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

زمینه و هدف: به دلیل 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 روش ها: 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 ۶۱ حلقه چاه مشاهده­ای موجود در دشت دزفول- اندیمشک استفاده شد. ورودی های مدل شبکه عصبی شامل پارامترهای کیفی SO۴۲-، pH، HCO۳۲-، Na+، Mg۲+، Ca۲+، 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 زمین آمار، 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 R۲ برای شبیه­سازی پارامترهای SAR، TDS و EC با استفاده از مدل ANN-PSO در مرحله آزمون به ترتیب ۹۲/۰، ۹۱۸/۰ و ۹۵۵/۰ و با استفاده از مدل کریجینگ ۹۰۲/۰، ۹۱۵/۰ و ۹۳۱/۰ برآورد شد. نتیجه گیری: نتایج این پژوهش نشان داد، تلفیق مدل­های شبکه عصبی مصنوعی با الگوریتم­های بهینه­سازی، به عنوان ابزاری مفید برای شبیه­سازی پارامترهای کیفی آب زیرزمینی کاربرد دارند.

کلیدواژه ها:

آب زیرزمینی ، پارامترهای کیفی ، زمین آمار ، مدل سازی