شبيه سازي آلودگي نيترات در آبخوان كرج با استفاده از مدل شبكه عصبي

امروزه، نیترات یكی از رایج ترین انواع آلودگی بوده كه از منابع مختلف شهری، صنعتی و كشاورزی وارد منابع آب زیرزمینی می گردد. در این تحقیق، از شبكه های عصبی به عنوان ابزاری مبتنی بر داده وكاملا انعطاف پذیر در شبیه سازی تغییرات غلظت نیترات در آبخوان كرج استفاده شده است . در این راستا، آبخوان دشت كرج به ١٣ زون بر مبنای شبكه پایش هیدرومتری تقسیم گردیده است. شبیه سازی بر اساس نمونه های مشاهداتی از چاه های شرب آبخوان كرج، در طی سال های ٨١ تا ٨٤ صورت پذیرفته و بازه زمانی مدلسازی فصلی انتخاب شده است. تخمین زننده های مدل، غلظت نیترات در فصل قبل ، ضخامت لایه اشباع، میزان برداشت از چاه های بهره برداری در فصل هدف و فصل قبل، تغییرات افت سطح آب و مختصات جغرافیا یی هر زون در نظر گرفته شده اند. به عنوان تخمین زننده های مدل در نظر گرفته شده اند. ابتدا مدل شبیه سازی هر فصل به طور مجزا تدوین شده و سپس یك مدل واحد برای كلیه فصول توسعه داده شده است . نتایج تحقیق نشان می دهد، تخمین تغییرات غلظت نیترات در فصل تابستان دارای بیشترین دقت در مرحله صحت سنجی (شاخص كارایی 0/7475=R2) در میان سایر فصول بوده و پس از آن فصل های پاییز، زمستان و بهار به ترتیب دارای شاخص های كارایی 0/6335 ، 0/6248 و 0/5015 می باشند. شاخص كارائی مدل پیشنهادی برای كلیه فصول نیز در مرحله صحت سنجی برابر 0/616 بوده كه دلالت بر كارائی مناسب این مدل برای شبیه سازی غلظت نیترات دارد.