مقايسه مدل هاي شبكه عصبي مصنوعي و كريجينگ در پيش بيني پارامترهاي كيفي آب زيرزميني (SAR، TDS و EC) دشت دزفول انديمشك

زمينه و هدف: به‌دليل پيچيدگي هاي موجود در سيستم هاي آب زيرزميني و همچنين محدوديت هاي موجود، مدل سازي آب هاي زيرزميني به آساني ميسر نمي باشد، اما مدل شبكه عصبي مصنوعي، داراي توانايي بالايي در مدل سازي سيستم هاي پيچيده و غيرخطي هستند و از طرفي روش هاي زمين آماري هم در مدل سازي آب زيرزميني داراي دقت مناسبي مي باشند.مواد و روش‌ها: هدف از پژوهش حاضر، شبيه‌سازي پارامترهاي كيفي آب زيرزميني (SAR، TDS و EC) دشت دزفول انديمشك با استفاده از مدل‌هاي ANN-PSO و زمين آمار مي‌باشد. بدين‌منظور از اطلاعات 61 حلقه چاه مشاهده اي موجود در دشت دزفول- انديمشك استفاده شد. ورودي‌هاي مدل شبكه عصبي شامل پارامترهاي كيفي SO42-، pH، HCO32-، Na+، Mg2+، Ca2+، TDS، SAR و EC در نظر گرفته شد.يافته ها: بر اساس نتايج حاصل از شبيه سازي با مدل شبكه عصبي مصنوعي، بالاترين دقت مدل ANN-PSO در شبيه سازي به ترتيب مربوط به پارامترهاي EC، SAR و TDS و بر اساس نتايج حاصل از درون يابي با روش زمين‌آمار، بالاترين دقت مدل كريجينگ در شبيه سازي به ترتيب مربوط به پارامترهاي EC، TDS و SAR بود. نتايج كلي حاصل از شبيه سازي پارامترهاي كيفي آب زيرزميني نشان داد كه مدل ANN-PSO دقت بيشتري در شبيه سازي پارامترهاي كيفي آب زيرزميني دشت درفول انديمشك نسبت به مدل كريجينگ دارد؛ به طوري كه مقدار R2 براي شبيه سازي پارامترهاي SAR، TDS و EC با استفاده از مدل ANN-PSO در مرحله آزمون به‌ترتيب 0.92، 0.918 و 0.955 و با استفاده از مدل كريجينگ 0.902، 0.915 و 0.931 برآورد شد.نتيجه‌گيري: نتايج اين پژوهش نشان داد، تلفيق مدل هاي شبكه عصبي مصنوعي با الگوريتم هاي بهينه سازي، به‌عنوان ابزاري مفيد براي شبيه سازي پارامترهاي كيفي آب زيرزميني كاربرد دارند.