CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدلسازی پارامترهای کیفی SAR ، EC و TDS در آب زیرزمینی با استفاده از مدل شبکه عصبی مصنوعی بهینه شده (مطالعه موردی: دشت بهبهان)

عنوان مقاله: مدلسازی پارامترهای کیفی SAR ، EC و TDS در آب زیرزمینی با استفاده از مدل شبکه عصبی مصنوعی بهینه شده (مطالعه موردی: دشت بهبهان)
شناسه ملی مقاله: JR_JEWE-6-2_006
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:

کیمیا آهنین جان - دانشجوی کارشناسیارشد، گروه مهندسی عمران، دانشکده فنی و مهندسی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
اصلان اگدرنژاد - استادیار، گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.

خلاصه مقاله:
مدل­سازی مناسب کیفیت آب زیرزمینی از ابزارهای مهم برنامه­ریزی و تصمیم­گیری در مدیریت منابع آب است. پژوهش حاضر بهمنظور شبیهسازی پارامترهای کیفی آب زیرزمینی دشت بهبهان شامل SAR، EC و TDS با استفاده از مدلهای ANN و ANN+PSO و درنهایت مقایسه نتایج آنها با دادههای اندازهگیری شده، انجام شد. اطلاعات ورودی به مدلها برای پارامتر کیفی TDS شامل هدایت الکتریکی، نسبت جذبی سدیم، سولفات، کلسیم، منیزیم و سدیم و برای پارامتر کیفی SAR شامل مقدار کل نمکهای محلول، سدیم، بیکربنات و برای پارامتر کیفی EC شامل سولفات، کلسیم، منیزیم و نسبت جذبی سدیم، از سال ۱۳۸۹ تا ۱۳۹۶ جمعآوریشد. نتایج نشان داد بالاترین دقت شبیه­سازی پارامترهای کیفی EC و TDS مربوط به مدل ANN+PSO با تابع محرک تانژانت سیگموئیدی و برای پارامتر SAR مربوط به مدل ANN+PSO با تابع محرک لگاریتم سیگموئیدی بود طوریکه مقدار آمارههای RMSE و MAE کم­ترین مقدار و  بیش­ترین مقدار را برای مدل مذکور داشت. در مرحله آزمون، برای پارامتر EC مقدار ۶۱/۱۴RMSE=، ۲۷/۹MAE=، ۴۱/۰NRMSE =، ۹۴۲/۰ EF =و ۹۶/۰= R۲و برای پارامتر TDS، مقدار ۲۱/۲۲RMSE=، ۳۲/۱۸MAE=، ۳۹۸/۰NRMSE =، ۹۲۵/۰EF = و ۸۳۶/۰= R۲و برای پارامتر SAR مقدار ۴۵/۹RMSE=، ۲/۷MAE=، ۳۰۱/۰NRMSE =، ۹۷۴/۰ EF = و ۹۸۲/۰= R۲محاسبه شد. همچنین نتایج آزمون مقایسه میانگین­ها بین داده­های اندازه­گیری و شبیهسازیشده نشان داد، بین مقادیر شبیهسازیشده به­وسیله مدل­ها با داده­های اندازه­گیری شده اختلاف معنی­دار وجود نداشت.

کلمات کلیدی:
آب زیرزمینی, پارامترهای کیفی, شبیهسازی, مدل شبکه عصبی مصنوعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1189444/