استفاده از روش های نوین هوش مصنوعی در بررسی کیفیت منابع آب زیرزمینی (مطالعه موردی: دشت سلماس)
با توجه به تمام پیشرفت های صورت گرفته در مدیریت منابع آب، معضل بررسی کیفیت آب های زیرزمینی اصلی ترین مشکلی است که در اکثر دشت های ایران مشاهده می شود. لذا مدیریت و پایش کیفیت منابع آب از اهمیت بالایی برخوردار است. در این تحقیق سعی شد با به کارگیری دو مدل RBF و GFF شبکه عصبی مصنوعی به پیش بینی و برآورد کیفیت آب های زیرزمینی دشت سلماس پرداخته شود. جهت نیل به این هدف، از داده های کیفی آب زیرزمینی مربوط به دشت سلماس در دوره آماری 10 ساله (90-1381) استفاده گردید و نتایج بر اساس استانداردهای ویلکاکس،شولرو پایپر مورد بررسی قرارگرفت. 70 درصد داده های موجود به منظور آموزش شبکه و از 10 درصد داده ها برای صحت سنجی دو مدل استفاده شد. لذا از 20 درصدباقی مانده داده های موجود برای آزمایش شبکه استفاده گردید. به کارگیری متغیرهای آماری مناسب و کاربردی نشان داد مدل RBF با آموزش Levenberg Marquardt و 4 لایه مخفی قابلیت بالایی در برآورد و پیش بینی کیفیت آب زیرزمینی دارد، هم چنین ضریب همبستگی در این مدل برابر 88/0 وجذرمیانگین مربعات خطابرابر 71/29% به دست آمد. هم چنین نتایج استفاده از دیاگرام های مختلف نشان می دهد نمونه ها دارای سختی و خورندگی کممی باشند. طبق طبقه بندی کلاس ها،اکثر داده ها درکلاس C3S1 قراردارند. براساس نتایج، تمامی منابع آبی منطقه مورد مطالعه، به ترتیب برای کشاورزی، شرب و صنعت در حد مناسب، خوب، قابل قبول میباشند.
مصارف کشاورزی ، کیفیت آب ، شبکه عصبی ، مدل RBF ، مدل GFF
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.