مقایسه عملکرد مدل های هوشمند در شبیه سازی پارامترهای کیفی آب سطحی و زیرزمینی (مطالعه موردی:دشت ساوه)

هدف از تحقیق حاضر شبیه سازی پارامترهای کیفیت منابع آب با استفاده از مدل های هوشمند و بررسی اثر منبع آب سطحی و زیرزمینی در دقت شبیه‌سازی پارامترهای کیفی آب می باشد. در این مطالعه کاربرد روش های 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 شبیه سازی 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 1.29 و 5.3 درصد بود. بیشترین مقدار خطا در هر دو منبع مربوط به پارامتر sar می باشد. به همین ترتیب، نتایج مشابه در شبیه-سازی با روش فازی-عصبی بدست آمد. آزمون تی-تست نشان داد، که استفاده از روش های هوشمند عصبی و عصبی-فازی در برآورد پارامتر کیفی sar در منابع آب زیرزمینی اختلاف معنی‌داری دارند، به طوری که مقدار nrmse از 32.09 درصد در روش ann به 22.82 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 مدل سازی پارامترهای کیفی tds, sar شد، به‌طوری که مقدار nrmse به ترتیب از 60.35 و 29.27 درصد در روش شبکه عصبی مصنوعی به 28.72 و 16.85 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..