بهینه سازی روش DRASTIC با استفاده از هوش مصنوعی برای ارزیابی آسیب پذیری آبخوان روضه چای

با توجه به افزایش روزافزون جمعیت و توسعه ی و گسترش فعالیت های کشاورزی و صنعتی در دشت روضه چای که سبب افزایش مقادیر نیترات نسبت به استاندارد سازمان بهداشت جهانی (WHO) شده، ارزیابی آسیب پذیری و حفاظت از منابع آب زیر زمینی در این منطقه اهمیت زیادی دارد. در این پژوهش، آسیب پذیری آبخوان روضه چای در برابر آلودگی به کمک روش DRASTIC در محیط ArcGIS بررسی شده و بهینه سازی روش DRASTIC با استفاده از مدل ANN صورت گرفته است. برای بدست آوردن روش DRASTIC از پارامترهای موثر در ارزیابی آسیب پذیری سفره ی آب زیرزمینی شامل عمق سطح ایستایی، تغذیه ی خالص، جنس محیط آبخوان، نوع خاک، شیب توپوگرافی، مواد تشکیل دهنده ی ناحیه ی غیر اشباع و هدایت هیدرولیکی استفاده شده که به صورت لایه ی برای آبخوان تهیه و بعد از رتبه دهی و وزن دهی و تلفیق این هفت لایه شاخص DRASTIC محاسبه شد که براساس نتایج به دست آمده شاخص DRASTIC برای آبخوان 87-160 برآورد شد. به منظور بهینه سازی روش DRASTIC، از مدل شبکه ی عصبی مصنوعی استفاده و به این منظور داده های ورودی (پارامترهای DRASTIC) و خروجی (شاخص آسیب پذیری) و مقادیر نیترات مربوط به آن به دو دسته ی آموزش و آزمایش تقسیم شد و پس از آموزش، با استفاده از مقادیر نیترات نتایج مدل در مرحله ی آزمایش ارزیابی شد. نتایج نشان داد مدل شبکه ی عصبی مصنوعی به کار گرفته شده، قابلیت بهبود نتایج روش DRASTIC را دارد. برای صحت سنجی نتایج روش کلاسیک و مدل هوش مصنوعی استفاده شده در این پژوهش، از داده های غلظت نیترات و ضریب همبستگی آن با شاخص آسیب پذیری در منطقه استفاده شد. مدل ANN با داشتن ضریب تعیین (R2) و شاخص همبستگی (CI) بیشتر نسبت به روش DRASTIC و همچنین توانایی ارزیابی یکپارچه ی آبخوان و حذف خطای نظر کارشناسی اعمال شده در روش کلاسیک، روش بهتری برای ارزیابی آسیب پذیری آبخوان روضه چای دشت ارومیه است.

Keywords:

آسیب پذیری , آبخوان روضه چای , شبکه ی عصبی مصنوعی , DRASTIC