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

به دلیل پیچیدگی های موجود در سیستم های آب زیرزمینی و همچنین محدودیت های موجود، مدل سازی آب های زیرزمینی به آسانی میسر نمی باشد، اما مدل شبکه عصبی مصنوعی، دارای توانایی بالایی در مدل سازی سیستم های پیچیده و غیرخطی هستند و از طرفی روش های زمین آماری هم در مدل سازی آب زیرزمینی دارای دقت مناسبی می باشند.

هدف از پژوهش حاضر، شبیه سازی پارامترهای کیفی آب زیرزمینی (SAR، TDS و EC) دشت دزفول اندیمشک با استفاده از مدل های ANN-PSO و زمین آمار می باشد. بدین منظور از اطلاعات 61 حلقه چاه مشاهده ای موجود در دشت دزفول- اندیمشک استفاده شد. ورودی های مدل شبکه عصبی شامل پارامترهای کیفی SO42-، pH، HCO32-، Na+، Mg2+، Ca2+، TDS، SAR و EC در نظر گرفته شد.

بر اساس نتایج حاصل از شبیه سازی با مدل شبکه عصبی مصنوعی، بالاترین دقت مدل ANN-PSO در شبیه سازی به ترتیب مربوط به پارامترهای EC، SAR و TDS و بر اساس نتایج حاصل از درون یابی با روش زمین آمار، بالاترین دقت مدل کریجینگ در شبیه سازی به ترتیب مربوط به پارامترهای EC، TDS و SAR بود. نتایج کلی حاصل از شبیه سازی پارامترهای کیفی آب زیرزمینی نشان داد که مدل ANN-PSO دقت بیشتری در شبیه سازی پارامترهای کیفی آب زیرزمینی دشت درفول اندیمشک نسبت به مدل کریجینگ دارد؛ به طوری که مقدار R2 برای شبیه سازی پارامترهای SAR، TDS و EC با استفاده از مدل ANN-PSO در مرحله آزمون به ترتیب 92/0، 918/0 و 955/0 و با استفاده از مدل کریجینگ 902/0، 915/0 و 931/0 برآورد شد.

نتیجه گیری:

 نتایج این پژوهش نشان داد، تلفیق مدل های شبکه عصبی مصنوعی با الگوریتم های بهینه سازی، به عنوان ابزاری مفید برای شبیه سازی پارامترهای کیفی آب زیرزمینی کاربرد دارند.