بررسي روش رگرسيون چند متغييره و شبكه عصبي مصنوعي (ANN) در شبيه سازي شوري آب زيرزميني در سواحل استان مازندران

Multivariate Regression Method and Artificial Neural Network (ANN) in Modeling Ground Water Salinity in the Coastal Areas of Mazandaran Province, Iran

متاسفانه اطلاعات كمي و كيفي جامع از منابع آب در كشور ما محدود است و اين امر موجب اهميت بكارگيري روش هاي و مدل هاي مختلف به منظور برآورد پارامترهاي كمي و كيفي منابع آب شده است. تحقيق حاضر با هدف مقايسه عملكرد و كارايي دو روش رگرسيون چند متغييره و شبكه عصبي مصنوعي در مدلسازي و برآورد شوري آب زيرزميني در سواحل استان مازندران انجام پذيرفت. روش رگرسيون چند متغييره با بكار گيري نرم افزار SPSS با در نظر گرفتن هدايت الكتريكي بعنوان معياري براي بررسي شوري آب بعنوان متغيير وابسته و عوامل موثر در اين پديده بعنوان متغييرهاي مستقل بكار گرفته شد. دو مدل يكي خطي و ديگري غيرخطي براي برآورد ميزان شوري آب زيرزميني ارايه شد و سپس كارايي اين مدل ها مورد ارزيابي و تاييد قرار گرفت. همچنين از شبكه عصبي مصنوعيANN براي شبيه سازي شوري آب زيرزميني استفاده گرديد. عملكرد شبكه عصبي از طريق پارامترهاي چون، جذر ميانگين مربع خطا (RMSE) و ضريب همبستگي بين خروجي هاي حقيقي و دلخواه(R) سنجيده شد. نتايج حاصل از هر دو روش حاكي از آن است كه عوامل نوع تشكيلات آبخوان، فاصله از دريا و شوري آب سطحي از عوامل اصلي ميزان شوري آب زير زميني مي باشند اما كارايي شبكه عصبي مصنوعي در برآورد شوري آب زيرزميني بيشتر از روش رگرسيون چند متغييره است.

Scarcity of water resources in spite of burgeoning population makes them important and necessitates optimum use of these resources. Shallow groundwater is a resource that has been ignored in irrigation management, while it is an available free source of water which can provide at least part of plants water requirement. Therefore, a two-year experiment was conducted in 2009-2011 to find the effect of shallow groundwater tables, at 60, 80, and 110 cm depth, on water requirement, water use efficiency (WUE) and yield of three wheat cultivars, namely, W33g, Cross Alborz, and Bahar. Experiments were performed at Razi University lysimeter research station No1 as a randomized complete block factorial experiment with three replications. In these experiments, 45 tubular poly ethylene lysimeters with 1.20m height and 0.30m diameter were fixed in the ground with 1m distance from each other. The highest utilization of groundwater was found for the water table depth of 60 cm and the lowest was found for the 110 cm depth. The 2-year average contribution to different cultivars by groundwater in depths of 60, 80, and 110 cm was 63%, 55% and 45%, respectively. The results for Cross Alborz cultivar showed no significant difference (P < 0.01) in WUE between the three water table depth treatments. Overall, the optimum WUE and yield was found at water table depth of 80 cm.