فریبرز بهرامی؛ اصلان اگدرنژاد
چکیده
زمینه و هدف: به‌دلیل پیچیدگیهای موجود در سیستمهای آب زیرزمینی و همچنین محدودیتهای موجود، مدلسازی آبهای زیرزمینی به آسانی میسر نمیباشد، اما مدل شبکه عصبی مصنوعی، دارای توانایی بالایی در مدلسازی سیستمهای پیچیده و غیرخطی هستند و از طرفی روشهای زمین آماری هم در مدلسازی آب زیرزمینی دارای دقت مناسبی میباشند.مواد ...
بیشتر
زمینه و هدف: به‌دلیل پیچیدگیهای موجود در سیستمهای آب زیرزمینی و همچنین محدودیتهای موجود، مدلسازی آبهای زیرزمینی به آسانی میسر نمیباشد، اما مدل شبکه عصبی مصنوعی، دارای توانایی بالایی در مدلسازی سیستمهای پیچیده و غیرخطی هستند و از طرفی روشهای زمین آماری هم در مدلسازی آب زیرزمینی دارای دقت مناسبی میباشند.مواد و روش‌ها: هدف از پژوهش حاضر، شبیهسازی پارامترهای کیفی آب زیرزمینی (SAR، TDS و EC) دشت دزفول اندیمشک با استفاده از مدلهای ANN-PSO و زمین آمار می‌باشد. بدین‌منظور از اطلاعات 61 حلقه چاه مشاهدهای موجود در دشت دزفول- اندیمشک استفاده شد. ورودی‌های مدل شبکه عصبی شامل پارامترهای کیفی SO42-، pH، HCO32-، Na+، Mg2+، Ca2+، TDS، SAR و EC در نظر گرفته شد.یافته ها: بر اساس نتایج حاصل از شبیهسازی با مدل شبکه عصبی مصنوعی، بالاترین دقت مدل ANN-PSO در شبیهسازی بهترتیب مربوط به پارامترهای EC، SAR و TDS و بر اساس نتایج حاصل از درونیابی با روش زمین‌آمار، بالاترین دقت مدل کریجینگ در شبیهسازی بهترتیب مربوط به پارامترهای EC، TDS و SAR بود. نتایج کلی حاصل از شبیهسازی پارامترهای کیفی آب زیرزمینی نشان داد که مدل ANN-PSO دقت بیشتری در شبیهسازی پارامترهای کیفی آب زیرزمینی دشت درفول اندیمشک نسبت به مدل کریجینگ دارد؛ بهطوریکه مقدار R2 برای شبیهسازی پارامترهای SAR، TDS و EC با استفاده از مدل ANN-PSO در مرحله آزمون بهترتیب 92/0، 918/0 و 955/0 و با استفاده از مدل کریجینگ 902/0، 915/0 و 931/0 برآورد شد.نتیجه‌گیری: نتایج این پژوهش نشان داد، تلفیق مدلهای شبکه عصبی مصنوعی با الگوریتمهای بهینهسازی، به‌عنوان ابزاری مفید برای شبیهسازی پارامترهای کیفی آب زیرزمینی کاربرد دارند.