مدل سازي تغييرات كيفي آب زيرزميني با استفاده از مدل شبكه عصبي مصنوعي بهينه شده(مطالعه موردي: دشت زيدون)

زمينه و هدف: برآورد و پيش بيني پارامترهاي كيفي آب زيرزمينى به منظور تصميم گيري هاي مديريتي، يكي از اهداف مديران و برنامه ريزان منابع آب تلقي مي گردد. در اين راستا تعداد زيادى مدل در زمينه مديريت بهتر براى حفظ كيفيت آب گسترش يافته است. بيشتر اين مدل ها نيازمند پارامترهاى ورودى هستند كه يا دسترسى به آنها مشكل است و يا اينكه اندازه گيرى آنها محتاج صرف هزينه و زمان زيادى مى باشد. در اين ميان مدل هاى شبكه عصبى مصنوعى كه با الهام از ساختار مغز بشر عمل مي نمايند، به عنوان گزينه اى برتر معرفى مى شوند. مطالعه حاضر با هدف مدل سازى تغييرات كيفى آب زيرزمينى با استفاده از مدل شبكه عصبى مصنوعى بهينه شده، انجام شد. مواد و روش ها:پژوهش حاضر به منظور شبيه‌سازي پارامترهاي كيفي آب زيرزميني دشت زيدون شامل SAR ، EC و TDS با استفاده از مدل‌هاي ANN و ANN-GA و درنهايت مقايسه نتايج آن‌ها با داده‌هاي اندازه‌گيري شده‌، انجام گرفته است. اين دشت با مساحتي حدود 1034 كيلومتر مربع در جنوب غربي شهرستان بهبهان واقع شده و داراي اقليم خشك و بياباني است. پارامترهاي ورودي مدل‌ها براي پارامتر كيفي TDS شامل سديم، هدايت الكتريكي، كلسيم، منيزيم، سولفات و نسبت جذب سديم و براي پارامتر كيفي SAR شامل سديم، كل نمك‌هاي محلول، بي‌كربنات، كلسيم و منيزيم و براي پارامتر كيفي EC شامل كلسيم، منيزيم، سولفات، سديم و نسبت جذب سديم از سال 1390 تا 1397 جمع‌آوري گرديد.يافته ها: نتايج نشان داد، در مدل ANN و ANN-GA بيشترين دقت شبيه‌سازي SAR در مدل با تابع تانژانت سيگموئيد، در مدل شبيه‌ساز EC هم بيشترين دقت در مدل‌هاي ANN و ANN-GA به‌ترتيب مربوط به توابع محرك لگاريتم سيگموئيد و تانژانت سيگموئيد مي‌باشد. همچنين در مدل ANN و ANN-GA بيشترين دقت شبيه‌سازي TDS به‌ترتيب در مدل با توابع محرك تانژانت سيگموئيد و لگاريتم سيگموئيد به‌دست آمد. به‌طوري‌كه مقدار RMSE و MAE كمترين مقدار و شاخص R2 بيشترين مقدار را دارد. به‌طور كلي با توجه به نتايج بدست آمده، دقت مدل ANN-GA هم بالاتر از مدل ANN، براي شبيه‌سازي پارامترهاي كيفي آب زيرزميني دشت زيدون برآورد شده است.نتيجه گيري: استفاده از مدل شبكه عصبي مصنوعي به‌همراه الگوريتم ژنتيك ابزار مناسبي براي شبيه‌سازي پارامترهاي كيفي آب زيرزميني در حجم بالا، بدون احتياج به اندازه‌گيري و كارهاي آزمايشگاهي است كه نياز به زمان و هزينه بالا دارند.