بهینه سازی مدل دراستیک با استفاده از ماشین بردار پشتیبان و شبکۀ عصبی مصنوعی بهمنظور ارزیابی آسیب پذیری ذاتی آبخوان دشت اردبیل
نویسندگان
1 استادیار گروه علوم زمین، دانشکدۀ علوم طبیعی، دانشگاه تبریز
2 دانشجوی کارشناسی ارشد هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز
3 استاد گروه علوم زمین دانشکدۀ علوم طبیعی، دانشگاه تبریز
4 دانشجوی دکتری هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز
doi
10.22059/ije.2015.57300چکیده
با توجه به افزایش جمعیت و توسعۀ کشاورزی در دشت اردبیل، ارزیابی آسیبپذیری آبخوان این دشت برای مدیریت منابع آب زیرزمینی و جلوگیری از آلودگی آبهای زیرزمینی ضروری است. در این پژوهش آسیبپذیری آبخوان دشت اردبیل در برابر آلودگی با استفاده از روش دراستیک بررسی شد. در مدل دراستیک هفت پارامتر مؤثر در آسیبپذیری شامل عمق آب زیرزمینی، تغذیۀ خالص، محیط آبخوان، محیط خاک، توپوگرافی، محیط غیراشباع و هدایت هیدرولیکی، بهصورت هفت لایۀ رستری با مقیاس 30000: 1 تهیه شد و بعد از رتبهدهی و وزندهی شاخص دراستیک محاسبه شد که برای دشت اردبیل بین 82 تا 151 بهدست آمد. سپس بهمنظور بهینهسازی مدل دراستیک از مدل ماشین بردار پشتیبان، شبکۀ عصبی پیشرو و شبکۀ عصبی برگشتی استفاده شد تا بدینطریق بتوان به نتایج دقیقتری از ارزیابی آسیبپذیری دست یافت. به این منظور پارامترهای دراستیک بهعنوان ورودی مدل و شاخص دراستیک بهعنوان خروجی مدل تعریف شدند و مقادیر نیترات مربوطه به 2 دستۀ آموزش و آزمون تقسیم شد. شاخص دراستیک مربوط به مرحلۀ آموزش با مقادیر نیترات مربوط تصحیح شد و بعد از آموزش مدل، در مرحلۀ آزمون نتایج مدلها با استفاده از مقادیر نیترات ارزیابی شد. نتایج نشان داد که هر سه مدل هوش مصنوعی توانایی زیادی در ارزیابی آسیبپذیری آبخوان دارند، اما در این بین، مدل ماشین بردار پشتیبان در مرحلۀ آزمون برای هر سه قسمت شرقی، غربی و جنوبی دشت با کمترین مقدار RMSE بهترتیب 74/6، 93/3 و 78/3 و بیشترین مقدار R2 بهترتیب 73/0، 79/0 و 72/0نتایج بهتری را دربرداشت. براساس این مدل، قسمتهای شمالی و غربی دشت پتانسیل آلودگی بالایی دارد و باید محافظت بیشتری از این مناطق صورت گیرد.