کاربرد برنامه‌ریزی بیان ژن (Gep) برای ایجاد مدل ترکیبی فازی (Cflm) به منظور پیش‌بینی غلظت آرسنیک منابع آبی در حوضه آبریز سد سهند

مصرف آب‌های زیرزمینی آلوده به آرسنیک، منجر به بروز بیماری‌های متعدد و مرگ انسان‌ها می‌شود. در صورت آلودگی غیرنقطه‌ای و متاثر از زمین‌شناسی آب‌ها، به سادگی نمی‌توان مانع گسترش آن شد؛ لذا این نوع آلودگی‌ها می‌بایست به دقت بررسی شوند. گزارش‌های متعدد اخیر در منطقه مطالعاتی سد سهند، حاکی از وجود آنومالی آرسنیک با مقادیر بیش از استاندارد who (mg/l 0/01) است. با توجه به تحقیقات قبلی، مبنی بر مناسب نبودن مدل‌های خطی زمین‌آماری برای پیش‌بینی غلظت آرسنیک کل (iii,v) در منطقه، از مدل‌های هوش‌مصنوعی همچون برنامه‌ریزی بیان ژنتیک (gep) و منطق فازی استفاده شد که با الهام از طبیعت قادر به تخمین پارامترهای پدیده‌های طبیعی با دقت قابل توجهی نسبت به سایر روش‌ها هستند. برای تخمین غلظت‌های آرسنیک کل، از پارامترهای ph، سولفات، نیترات، فلوئورید، آهن و آرسنیک نمونه‌ها به‌عنوان ورودی مدل‌های فازی ممدانی (mfl)، لارسن (lfl) و سوگنو (sfl) استفاده شد. با توجه به مناسب بودن و تشابه نتایج سه مدل فازی و به منظور استفاده همزمان مزایای هر سه مدل، از برنامه‌ریزی بیان ژنتیک برای تولید مدل ترکیبی نتایج سه مدل منفرد فازی استفاده شد. با توجه به مزایای برنامه‌ریزی بیان ژنتیک و نتایج مراحل آموزش و آزمایش مدل که به ترتیب با ضریب تبیین r2 برابر 0/967و 0/924 و مقادیر rmse برابر 0/072 و 0/096 است، مدل مذکور قادر به ارائه مدل ترکیبی با دقت بیشتری از سه مدل منفرد فازی ارائه شده است.