ارزيابي قابليت هوش مصنوعي در پيش بيني ميزان هدايت الكتريكي و نيترات در منابع آب زيرزميني (مطالعه موردي روش هاي عصبي مصنوعي ANN و ANFIS)

منابع آب زيرزميني در كشور ايران و بسياري از كشورهاي ديگر كه آب و هوايي مشابه دارند، مهم ترين منابع آب مورد استفاده در كشاورزي و شرب به شمار مي‌رود.در دهه هاي اخير سيستم هاي هوش مصنوعي (AI)، فضايي جديد در ارزيابي مسائل مهندسي آب و محيط زيست ايجاد كرده است. در اين مطالعه روش كريجينگ معمول به عنوان يك تخمين گر آماري خطي و دو روش هوشمند شبكه عصبي مصنوعي ANN و سيستم استنتاج تطبيقي عصبي فازي ANFIS ، در پيش بيني مقدار هديت الكتريكي و نيترات در آب‌هاي زيرزميني ارزيابي شدند. به منظور انجام مطالعات غلظت نيترات در 40 چاه در دشت لنجانات اصفهان به روش اسپكتوفتومتر و همچنين هدايت الكتريكي مورد اندازه گيري قرار گرفت داده هاي ورودي مدل عصبي مصنوعي شامل طول و عرض جغرافيايي و غلظت نيترات و مقدار هدايت الكتريكي به عنوان خروجي مدل تعيين شدند در راستاي بررسي عملكرد و كارايي مدل هاي هوش مصنوعي در پيش بيني اطلاعات كيفي اطلاعات كفي 50 درصد چاه ها به منظور واسنجي و 50 درصد چاه ها به منظور صحت سنجي مدل هاي استفاده شدند در نهايت خروجي مدل ها با مقدار اندازه گيري شده در چاه هاي مشاهداتي بر اساس معيار هاي ارزيابي متقابل خطا مقايسه شد. نتايج نشان داد مدل ANFIS نسبت به دو مدل درون يابي ديگر عملكرد بهتري در پيش بيني مقدار هدايت الكتريكي و نيترات به ترتيب با ريشه ميانگين مربعات خطا (RMSE) و (mg/l) 5.362، با ميانگين اريب خطا (MBE)، 2.365 و با ضريب همبستگي (R) و 0.767 داشته است. همچنين مدل ANN به مراتب نتايج بهتري نسبت به روش كريجينگ معمول داشت. بر اين اساس مدل ANFIS براي پيش بيني هدايت الكتريكي و نيترات در محدوده مطالعاتي پيشنهاد مي‌شود.