بهينه‌سازي و پيش‌بيني روند تغييرات پارامترهاي كيفي آب زيرزميني دشت دزفول با استفاده از دو مدل ANN+PSO و ANN+P-PSO

زمينه و هدف: برآورد و پيش بيني پارامترهاي كيفي آب زيرزميني به منظور تصميم گيري‌هاي مديريتي يكي از اهداف مديران و برنامه ريزان منابع آب تلقي مي‌گردد. در اين راستا تعداد زيادي مدل در زمينه مديريت بهتر براي حفظ كيفيت آب گسترش يافته است. بيش‌تر اين مدل‌ها نيازمند پارامترهاي ورودي هستند كه يا دسترسي به آن‌ها مشكل است و يا اينكه اندازه‌گيري آن‌ها محتاج صرف هزينه و زمان زيادي مي‌باشد.  در اين ميان مدل‌هاي شبكه عصبي مصنوعي كه با الهام از ساختار مغز بشر عمل مي‌نمايند، به‌عنوان گزينه‌اي برتر  معرفي مي‌شوند. روش بررسي: پژوهش حاضر به منظور شبيه‌سازي پارامترهاي كيفي آب زيرزميني دشت دزفول شامل SAR ، EC و TDS با استفاده از مدل‌هاي ANN+PSO و ANN+PPSO و درنهايت مقايسه نتايج آن‌ها با داده‌هاي اندازه‌گيري شده‌، انجام گرفته است. اطلاعات ورودي   به مدل‌ها براي پارامتر كيفي TDS شامل هدايت الكتريكي، نسبت جذبي سديم، اسيديته، سولفات، كلسيم، منيزيم و سديم و براي پارامتر كيفي SAR شامل مقدار كل نمك‌هاي محلول، اسيديته، سديم، بي كربنات و براي پارامتر كيفي EC شامل سولفات، كلسيم، منيزيم، نسبت جذبي سديم و اسيديته، از سال 1390 تا 1394 جمع آوري شده است. يافته‌ها: نتايج نشان داد بالاترين دقت پيش‌بيني پارامترهاي كيفي SAR ، EC و TDS مربوط به مدل ANN+PPSO مي‌باشد به‌طوري‌كه مقدار آماره‌هاي   و  كم‌ترين مقدار و  بيش‌ترين مقدار را براي مدل مذكور دارد. مقدار  RMSE در مرحله تست براي الگوريتم PSO در پيش‌بيني SAR ، EC و TDS به ترتيب برابر 0.09، 0.045 (ميكرو زيمنس بر سانتي متر) و 0.053 (ميلي‌گرم بر ليتر) به دست آمد. اين آماره‌ براي الگوريتم PPSO در پيش‌بيني SAR ، EC و TDS به ترتيب برابر 0.039، 0.031 (ميكرو زيمنس بر سانتي متر) و 0.045 (ميلي‌گرم بر ليتر) تعيين شدند. بحث و نتيجه‌گيري:  نتايج نشان داد كه الگوريتم PPSO از دقت بيش‌تري نسبت به الگوريتم PSO برخوردار بود. همچنين با توجه به اين‌كه تفاوت آماري معني‌داري بين داده‌هاي اندازه‌گيري شده و شبيه‌سازي شده وجود نداشت؛ پيشنهاد مي‌شود از شبكه‌ عصبي مصنوعي براي شبيه‌سازي پارامترهاي كيفي در منابع آب زيرزميني استفاده شود.