بهینه سازی و پیش بینی روند تغییرات پارامترهای کیفی آب زیرزمینی دشت رفسنجان با استفاده از مدل MLP+PSO

به منظور تصمیم گیری های مدیریتی منابع آب تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. پژوهش حاضر به منظور شبیه سازی پارامترهای کیفی آب زیرزمینی دشت رفسنجان شامل EC و TDS با استفاده از مدل های MLP+PSO و درنهایت مقایسه نتایج آنها با داده های اندازه گیری شده، انجام شده. اطلاعات ورودی به مدل ها برای پارامتر کیفی TDS شامل بیکربنات، PH, SAR, EC، سولفات، کلسیم، منیزیم و سدیم و برای پارامتر کیفی EC شامل بیکربنات، PH, SAR, TDS ،سولفات، کلسیم،منیزیم و سدیم از سال ۱۳۹۰تا ۱۴۰۲ جمع آوری شده است. طبق نتایج بالاترین دقت پیش بینی پارامترهای کیفی EC و TDSمربوط به مدل MLP+PSOمی باشد؛ به طوری که بیشترین مقدار و کمترین مقدار را برای مدل مذکور دارد. مقدار RMSE در مرحله تست برای الگوریتم MLP+PSO در پیش بینیEC و TDS به ترتیب برابر ۶۶۷.۹۳۶۰ (میکرو زیمنس بر سانتی متر) و ۳۵۵.۱۴۰۲ (میلی گرم بر لیتر) به دست آمد. نتایج نشان داد که الگوریتم MLP+PSO از دقت بیشتری برخوردار است؛ همچنین بدلیل تفاوت آماری کم، پیشنهاد می شود از شبکه عصبی مصنوعی برای شبیه سازی پارامترهای کیفی در منابع آب زیرزمینی استفاده شود.