بهینه‌سازی روش drastic با استفاده از هوش مصنوعی برای ارزیابی آسیب‌پذیری آبخوان‏ چند‏گانۀ دشت ورزقان

با توجه به افزایش جمعیت و توسعۀ فعالیت‏های کشاورزی و معدنی در دشت ورزقان که سبب افزایش مقادیر نیترات تا پنج برابر استاندارد سازمان بهداشت جهانی (who) شده، ارزیابی آسیب‏پذیری و حفاظت از منابع آب زیرزمینی در این منطقه اهمیت زیادی دارد. در این پژوهش، آسیب‏پذیری آبخوان چندگانۀ دشت ورزقان در برابر آلودگی به کمک روش drastic در محیط arcgis بررسی شده و بهینه‏سازی روش drastic با استفاده از مدل ann صورت گرفته است. برای اجرای روش drastic از پارامترهای موثر در ارزیابی آسیب‏پذیری سفرۀ آب زیرزمینی شامل عمق سطح ایستابی، تغذیۀ خالص، جنس محیط آبخوان، نوع خاک، شیب توپوگرافی، مواد تشکیل‌دهندۀ ناحیۀ غیراشباع و هدایت هیدرولیکی استفاده شده که به‌صورت هفت لایۀ جداگانه برای آبخوان آزاد و تحت فشار تهیه و بعد از رتبه‌دهی و وزن‌دهی و تلفیق این هفت لایه شاخص drastic محاسبه شد که براساس نتایج به‌دست‌آمده شاخص drastic برای آبخوان آزاد 92- 164 و برای آبخوان تحت فشار 48-93 برآورد شد. به‌منظور بهینه‌سازی روش drastic، از مدل شبکۀ عصبی مصنوعی استفاده و به این منظور داده‌های ورودی )پارامترهای (drastic و خروجی (شاخص آسیب‏پذیری) و مقادیر نیترات مربوط به آن به دو دستۀ آموزش و آزمایش تقسیم شد و پس از آموزش مدل، با استفاده از مقادیر نیترات نتایج مدل در مرحلۀ آزمایش ارزیابی شد. نتایج نشان داد مدل شبکۀ عصبی مصنوعی به‌کار گرفته‌شده، قابلیت بهبود نتایج روش  drasticاولیه را دارد. برای صحت‏سنجی نتایج روش کلاسیک و مدل هوش مصنوعی استفاده‌شده در این پژوهش، از داده‏های غلظت نیترات و ضریب همبستگی آن با شاخص آسیب‏پذیری در منطقه استفاده شد. مدل ann با داشتن ضریب تعیین (r2) و شاخص همبستگی (ci) بیشتر نسبت به روش drastic و همچنین توانایی ارزیابی یکپارچۀ آبخوان چندگانه و حذف خطای نظر کارشناسی اعمال‌شده در روش کلاسیک، روش بهتری برای ارزیابی آسیب‏پذیری آبخوان چندگانۀ دشت ورزقان است.