مقایسه عملکرد مدل های هوشمند در شبیه سازی پارامترهای کیفی آب سطحی و زیرزمینی (مطالعه موردی:دشت ساوه)

هدف از تحقیق حاضر شبیه سازی پارامترهای کیفیت منابع آب با استفاده از مدل های هوشمند و بررسی اثر منبع آب سطحی و زیرزمینی در دقت شبیه سازی پارامترهای کیفی آب می باشد. در این مطالعه کاربرد روش های شبکه عصبی مصنوعی (ANN) و عصبی-فازی (CANFIS) در شبیه سازی پارامترهای مهم کیفی آب سطحی و زیرزمینی دشت ساوه شاملTDS, SAR, EC,TH مورد ارزیابی قرار گرفت. بدین منظور پس از بررسی میزان همبستگی کاتیون ها و آنیون ها با پارامترهای هدف در هر دو منبع آبی، متغیرهای کیفی SO4, Cl, Mg, Ca, pH طی دوره 50 ساله از 1345 لغایت 1395 به عنوان متغیرهای ورودی انتخاب گردیدند. نتایج شبیه سازی نشان داد که کمترین خطای برآورد شبکه عصبی مصنوعی برای منابع زیرزمینی و سطحی، به ترتیب مربوط به شبیه سازی TH و EC با خطای NRMSE معادل 29/1 و 3/5 درصد بود. بیشترین مقدار خطا در هر دو منبع مربوط به پارامتر SAR می باشد. به همین ترتیب، نتایج مشابه در شبیه-سازی با روش فازی-عصبی بدست آمد. آزمون تی-تست نشان داد، که استفاده از روش های هوشمند عصبی و عصبی-فازی در برآورد پارامتر کیفی SAR در منابع آب زیرزمینی اختلاف معنی داری دارند، به طوری که مقدار NRMSE از 09/32 درصد در روش ANN به 82/22 در روش CANFIS کاهش یافته است. در مورد سایر پارامترهای کیفی آب زیرزمینی، اختلاف معنی داری مشاهده نگردید. در مورد منابع آب سطحی، روش عصبی-فازی سبب بهبود معنی دار نتایج مدل سازی پارامترهای کیفی TDS, SAR شد، به طوری که مقدار NRMSE به ترتیب از 35/60 و 27/29 درصد در روش شبکه عصبی مصنوعی به 72/28 و 85/16 درصد در روش فازی-عصبی کاهش یافت. در مجموع می توان این گونه استنباط نمود که اثر نوع منبع آب در میزان خطای شبیه سازی هر یک از پارامترهای کیفی مشهود بود.