استفاده از شبکه عصبی مصنوعی (ann) و الگوریتم رقابت استعماری به ‌منظور ارزیابی کیفیت آب زیرزمینی دشت جلفا برای مصارف مختلف

بررسی های کمی و کیفی آب های زیرزمینی اهمیت ویژه ای در مدیریت این منابع دارند. بکارگیری روش های نوین از جمله شبکه های عصبی و الگوریتم های تکاملی در تخمین کیفیت آب به دلیل سرعت، همگرایی و کارآیی بسیار بالای خود، موجب صرفه جویی، کاهش هزینه ها و مدیریت هر چه بهتر می شود. هدف اصلی از انجام این تحقیق بررسی نتایج آنالیز شیمیایی آب های زیرزمینی دشت جلفا با توجه به نمونه برداری از 14 حلقه چاه، نمودارهای ویلکاکس، شولر و پایپر و هم چنین تخمین پارامترهای کیفی آب زیرزمینی با استفاده از شبکه های عصبی مصنوعی و الگوریتم رقابت استعماری می باشد. در همین راستا، پارامترهای کیفی آب زیرزمینی شامل tds، ec و sar با استفاده از شبکه‌های عصبی مصنوعی و الگوریتم رقابت استعماری تخمین زده شد و کیفیت منابع آب زیرزمینی از نظر شرب، کشاورزی و صنعت با استانداردهای ویلکاکس، پایپر و شولر مورد بررسی قرار گرفت. ضریب همبستگی بالای 90 درصد، نشان دهنده ی دقت قابل قبول شبکه عصبی مصنوعی در مقایسه با الگوریتم رقابت استعماری در تخمین پارامترهای کیفی آب زیرزمینی است. هم چنین نتایج استفاده از دیاگرام های مختلف نشان می دهد نمونه ها دارای سختی و خورندگی خیلی زیاد بوده و از نظر استفاده در شرب و صنعت نامناسب نمی باشند. طبق طبقه بندی کلاس ها، اکثر داده ها در کلاسc4s2  قرار دارند که آب این گروه برای مقاصد کشاورزی نامناسب می باشد.

Use of Artificial Neural Network and Imperialist Competitive Algorithm to Evaluate the Groundwater Quality of Jolfa Plain for Various Uses

Assessment of groundwater quality and quantity are important in the management of these resources. The use of modern methods, including ANN and evolutionary algorithms in estimating water quality, due to its high speed, convergence, and efficiency, saves and reduces costs and the best management. The main purpose of this study is to evaluate the results of the chemical analysis of groundwater samples from 14 wells in the Jolfa plain and also estimate the groundwater quality parameters using an imperialist competitive algorithm (ICA) and ANN. Therefore, groundwater quality parameters include TDS, EC, and SAR estimates using the imperialist competitive algorithm (ICA) and ANN, and groundwater resources quality in terms of drinking, agriculture, and industry were examined by Wilcox, Schuler, and Piper and standards. A correlation coefficient of (R2) 90%, indicates the acceptable accuracy of ANN compared with the ICA algorithm in estimating groundwater quality parameters. By using different diagrams the results show that the hardness of samples is too much and not suitable for drinking. It should also be noted that very high hardness and corrosion of sample, water not be used in industry. The salinity of 7 samples is very high and according to classification is located in the C4S2 class and not suitable for agricultural consumption.