فهرست نشریات علمی دسترسی آزاد ایران

هدف از تحقیق حاضر شبیه­سازی پارامترهای کیفیت منابع آب با استفاده از مدل­های هوشمند و بررسی اثر منبع آب سطحی و زیرزمینی در دقت شبیه‌سازی پارامترهای کیفی آب می­باشد. در این مطالعه کاربرد روش‌های شبکه عصبی مصنوعی (ANN) و عصبی-فازی (CANFIS) در شبیه‌سازی پارامترهای مهم کیفی آب سطحی و زیرزمینی دشت ساوه شاملTDS, SAR, EC,TH مورد ارزیابی قرار گرفت. بدین منظور پس از بررسی میزان همبستگی کاتیون‌ها و آنیون‌ها با پارامترهای هدف در هر دو منبع آبی، متغیرهای کیفی SO4, Cl, Mg, Ca, pH طی دوره 50 ساله از 1345 لغایت 1395 به عنوان متغیرهای ورودی انتخاب گردیدند. نتایج شبیه­سازی نشان داد که کمترین خطای برآورد شبکه عصبی مصنوعی برای منابع زیرزمینی و سطحی، به‌ترتیب مربوط به شبیه‌سازی TH و EC با خطای NRMSE معادل 29/1 و 3/5 درصد بود. بیشترین مقدار خطا در هر دو منبع مربوط به پارامتر SAR می‌باشد. به همین ترتیب، نتایج مشابه در شبیه-سازی با روش فازی-عصبی بدست آمد. آزمون تی-تست نشان داد، که استفاده از روش‌های هوشمند عصبی و عصبی-فازی در برآورد پارامتر کیفی SAR در منابع آب زیرزمینی اختلاف معنی‌داری دارند، به‌طوری­که مقدار NRMSE از 09/32 درصد در روش ANN به 82/22 در روش CANFIS کاهش یافته است. در مورد سایر پارامترهای کیفی آب زیرزمینی، اختلاف معنی‌داری مشاهده نگردید. در مورد منابع آب سطحی، روش عصبی-فازی سبب بهبود معنی‌دار نتایج مدل‌سازی پارامترهای کیفی TDS, SAR شد، به‌طوری­که مقدار NRMSE به ترتیب از 35/60 و 27/29 درصد در روش شبکه عصبی مصنوعی به 72/28 و 85/16 درصد در روش فازی-عصبی کاهش یافت. در مجموع می‌توان این‌گونه استنباط نمود که اثر نوع منبع آب در میزان خطای شبیه‌سازی هر یک از پارامترهای کیفی مشهود بود.