مقایسه‌ مدل‌های شبکه‌ عصبی مصنوعی و رگرسیون چند متغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه‌ موردی: آبخوان کاشان)

نویسندگان

1 1- دانشجوی دکترای علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

2 2- استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

3 3- دانشیار گروه انرژی‌های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران

4 4- استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه کاشان

doi
چکیده

مجاورت آبخوان کاشان با جبهه­ آب شور دریاچه­ نمک، باعث ایجاد شیب هیدرولیکی و درنتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیه­سازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدل­های شبکه عصبی مصنوعی (شامل پرسپترون چندلایه و تابع شعاعی) و رگرسیون چند متغیره انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدل­سازی شد. نتایج حاصل از بررسی تیپ آب نشان داد که کلرور- سدیم، تیپ غالب آب منطقه است. بنابراین در مدل­سازی­ها، علاوه بر تغییرات سطح ایستابی و بارندگی، مقدار غلظت کلرور در سال قبل نیز به­عنوان ورودی مدل انتخاب گردیده و خروجی مدل نیز، مقدار کلرور در سال جاری بوده است. نتایج نشان داد که مدل پرسپترون چندلایه نسبت به مدل­های تابع شعاعی و رگرسیون چند متغیره دارای نتیجه­ بهتری در پیش­بینی غلظت کلر در 11 سال آینده بوده است. به‌طوری‌که ضریب تبیین اصلاح‌شده­ حاصله، به­ترتیب برابر 97/0، 89/0 و 34/0 بودند. همچنین تابع محرک تانژانت هایپربولیک خطی و الگوریتم مومنتوم، نتایج بهتری را نسبت به توابع و الگوریتم­های دیگر نشان دادند. نتایج حاصل از تحلیل حساسیت مدل نشان داد که غلظت کلر در سال قبل و تغییرات سطح ایستابی، مهم­ترین تأثیر را در شبیه­سازی غلظت کلر داشته است.