مقایسه مدل های شبکه عصبی مصنوعی و کریجینگ در پیش بینی پارامترهای کیفی آب زیرزمینی (SAR، TDS و EC) دشت دزفول اندیمشک

Abstract

زمینه و هدف: به‌دلیل پیچیدگی­های موجود در سیستم­های آب زیرزمینی و همچنین محدودیت­های موجود، مدل­سازی آب­های زیرزمینی به آسانی میسر نمی­باشد، اما مدل شبکه عصبی مصنوعی، دارای توانایی بالایی در مدل­سازی سیستم­های پیچیده و غیرخطی هستند و از طرفی روش­های زمین آماری هم در مدل­سازی آب زیرزمینی دارای دقت مناسبی می­باشند.مواد و روش‌ها: هدف از پژوهش حاضر، شبیه‌سازی پارامترهای کیفی آب زیرزمینی (SAR، TDS و EC) دشت دزفول اندیمشک با استفاده از مدل‌های ANN-PSO و زمین آمار می‌باشد. بدین‌منظور از اطلاعات 61 حلقه چاه مشاهده­ای موجود در دشت دزفول- اندیمشک استفاده شد. ورودی‌های مدل شبکه عصبی شامل پارامترهای کیفی SO42-، pH، HCO32-، Na+، Mg2+، Ca2+، TDS، SAR و EC در نظر گرفته شد.یافته­ ها: بر اساس نتایج حاصل از شبیه­سازی با مدل شبکه عصبی مصنوعی، بالاترین دقت مدل ANN-PSO در شبیه­سازی به­ترتیب مربوط به پارامترهای EC، SAR و TDS و بر اساس نتایج حاصل از درون­یابی با روش زمین‌آمار، بالاترین دقت مدل کریجینگ در شبیه­سازی به­ترتیب مربوط به پارامترهای EC، TDS و SAR بود. نتایج کلی حاصل از شبیه­سازی پارامترهای کیفی آب زیرزمینی نشان داد که مدل ANN-PSO دقت بیشتری در شبیه­سازی پارامترهای کیفی آب زیرزمینی دشت درفول اندیمشک نسبت به مدل کریجینگ دارد؛ به­طوری­که مقدار R2 برای شبیه­سازی پارامترهای SAR، TDS و EC با استفاده از مدل ANN-PSO در مرحله آزمون به‌ترتیب 92/0، 918/0 و 955/0 و با استفاده از مدل کریجینگ 902/0، 915/0 و 931/0 برآورد شد.نتیجه‌گیری: نتایج این پژوهش نشان داد، تلفیق مدل­های شبکه عصبی مصنوعی با الگوریتم­های بهینه­سازی، به‌عنوان ابزاری مفید برای شبیه­سازی پارامترهای کیفی آب زیرزمینی کاربرد دارند.

Keywords

• آب زیرزمینی
• پارامترهای کیفی
• زمین آمار
• مدل سازی