تعیین توزیع مکانی پارامترهای کیفی آب و تعیین چاه های بهینه شرب با استفاده از چند روش یادگیری ماشین و بهینه سازی

آب شرب سالم و دارای کیفیت مطلوب برای حفظ سلامت عمومی و جلوگیری از بیماری های مرتبط با آب ضروری است. در عصر حاضر، با توجه به افزایش جمعیت و تغییرات اقلیمی، یافتن منابع آب شرب مطلوب به یکی از چالش های اساسی جوامع تبدیل شده است. به همین دلیل، استفاده از روش های نوین و مناسب برای شناسایی و استخراج منابع آب شرب با کیفیت الزامی است. تکنیک های پیشرفته ای مانند الگوریتم های مبتنی بر هوش مصنوعی و یادگیری ماشین، مدل سازی هیدرولوژیکی، و سیستم های اطلاعات جغرافیایی (GIS) می توانند به بهبود فرآیند شناسایی منابع آب کمک کنند و بهره برداری پایدار از این منابع را تضمین نمایند. در این پژوهش ابتدا چگونگی توزیع مکانی ۹ پارامتر کیفی آب شرب منطقه شامل TH، Na⁺، Mg²⁺، Ca²⁺، Cl⁻، SO₄²⁻، PH، TDS، EC را با روش درون یابی Kriging مورد بررسی قرار گرفت و در قالب نقشه هایی ارائه شد. این نقشه ها یک سیمای کلی و مطلوب از کیفیت آب زیرزمینی منطقه را به نمایش می گذارند. مساحت کلاس های کیفی هر پارامتر و درصد هر کلاس نسبت به کل سطح، اندازه گیری شد. از سویی دیگر برای تعیین چاه های شرب بهینه از بین ۱۳۴ چاه موجود در منطقه با در نظر گرفتن حداکثر آستانه مجاز ۹ پارامتر کیفی مذکور و بهره گیری از سه الگوریتم PSO، XGBoost و RF به ترتیب ۹۳، ۹۴ و ۹۳ چاه به عنوان چاه های آب شرب بهینه برگزیده شدند. در واقع دو روش PSO و RF نتایج کاملا مشابه را نشان دادند و الگوریتم XGBoost تنها یک حلقه چاه را بر تعداد چاه های بهینه شرب منطقه افزود. واژه های کلیدی: PSO، XGBoost، RF، Kriging، آب شرب

کلیدواژه ها:

PSO ، XGBoost ، RF ، Kriging ، آب شرب