بهینه‌سازی و پیش‌بینی روند تغییرات پارامترهای کیفی آب زیرزمینی دشت دزفول با استفاده از دو مدل ANN+PSO و ANN+P-PSO

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی گروه مهندسی برق دانشگاه آزاد اسلامی واحد شهرکرد

2 دانشجوی دکترای آبیاری زهکشی دانشگاه شهید چمران اهواز

3 دانشیار دانشگاه شهید چمران اهواز

چکیده

زمینه و هدف: برآورد و پیش بینی پارامترهای کیفی آب زیرزمینی به منظور تصمیم گیری‌های مدیریتی یکی از اهداف مدیران و برنامه ریزان منابع آب تلقی می‌گردد. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیشتر این مدل‌ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آنها مشکل است و یا اینکه اندازه‌گیری آنها محتاج صرف هزینه و زمان زیادی می‌باشد. در این میان مدل‌های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می‌نمایند، بعنوان گزینه‌ای برتر معرفی می‌شوند.
روش بررسی: پژوهش حاضر به منظور شبیه‌سازی پارامترهای کیفی آب زیرزمینی دشت دزفول شامل SAR ، EC و TDS با استفاده از مدل‌های ANN+PSO و ANN+P-PSO و درنهایت مقایسه نتایج آن‌ها با داده‌های اندازه‌گیری شده‌، انجام گرفته است. اطلاعات ورودی به مدل‌ها برای پارامتر کیفی TDS شامل هدایت الکتریکی، نسبت جذبی سدیم، اسیدیته، سولفات، کلسیم، منیزیم و سدیم و برای پارامتر کیفی SAR شامل مقدار کل نمک‌های محلول، اسیدیته، سدیم، بی کربنات و برای پارامتر کیفی EC شامل سولفات، کلسیم، منیزیم، نسبت جذبی سدیم و اسیدیته، از سال 1390 تا 1394 جمع آوری شده است.
یافتهها: نتایج نشان داد بالاترین دقت پیش‌بینی پارامترهای کیفی SAR ، EC و TDS مربوط به مدل ANN+P-PSO می‌باشد به‌طوریکه مقدار آماره‌های RMSE و MAE کمترین مقدار و R^2 بیشترین مقدار را برای مدل مذکور دارد. مقدار RMSE در مرحله تست برای الگوریتم PSO در پیش‌بینی SAR ، EC و TDS به ترتیب برابر 09/0، 045/0 (میکرو زیمنس بر سانتی متر) و 053/0 (میلی‌گرم بر لیتر) به دست آمد. این آماره‌ برای الگوریتم P-PSO در پیش‌بینی SAR ، EC و TDS به ترتیب برابر 039/0، 031/0 (میکرو زیمنس بر سانتی متر) و 045/0 (میلی‌گرم بر لیتر) تعیین شدند.
نتیجه‌گیری: نتایج نشان داد که الگوریتم P-PSO از دقت بیشتری نسبت به الگوریتم PSO برخوردار بود.

کلیدواژه‌ها

موضوعات