پیش بینی هدایت الکتریکی آب زیرزمینی با استفاده از روش سیستم استنتاج عصبی - فازی تطبیقی (anfis) (مطالعه موردی: دشت های آذرشهر، عجب شیرو مراغه)

هدف از این مطالعه بررسی هدایت الکتریکی آب زیرزمینی ناشی از پارامتر های فیزیکی و شیمیایی آب با استفاده از روش anfis-fcm در محدوده های مطالعاتی آذرشهر، عجب شیر و مراغه حوضه آبریز دریاچه ارومیه می باشد. جهت دست یابی به این هدف، 82 نمونه آب از چاه و چشمه های دشت ها برداشت و داده ها در آزمایشگاه مورد آنالیز شیمیایی قرار گرفت. آمارهای توصیفی داده ها و ماتریس همبستگی پارامترهای مورد مطالعه با استفاده از نرم افزار spss بدست آمد. با تشکیل ماتریس همبستگی، مشخص گردید که چهار پارامتر شوری (salinity)، اکسیژن محلول (do)، کل مواد جامد محلول (tds) و ph، نسبت به سایر پارامترهای موجود، بیشترین همبستگی را با هدایت الکتریکی (ec) دارند. بنابراین ورودی های مدل شامل چهار پارامتر نامبرده و خروجی نیز با توجه به هدف تحقیق، هدایت الکتریکی انتخاب شد. داده ها پس از استاندارد سازی، وارد محیط متلب شده و با استفاده از روش anfis-fcm، هدایت الکتریکی آب زیرزمینی پیش بینی گردید. در این روش 80 درصد داده ها (66 نمونه) برای مجموعه داده آموزش و 20 درصد داده ها (16نمونه) برای مجموعه داده آزمون به طور تصادفی انتخاب شدند. برای مجموعه داده آموزش مدل anfis-fcm مقادیر r^2، rmse و vaf به ترتیب 0.9999، 0.0032399 و 0.99993 بدست آمدند و همچنین برای مجموعه داده آزمون مدل anfisfcm مقادیر r^2، rmse و vaf به ترتیب 0.9998، 0.0029949 و 0.99972 حاصل گردید. با استفاده از نتایج به دست آمده از این مدل، مشخص شد که هدایت الکتریکی تخمین زده شده در محدوده های مورد بررسی از دقتی بسیار خوب و همبستگی بالایی نسبت به مقادیر اندازه گیری شده برخوردار بوده است. در نتیجه روش هوشمند anfisfcm روشی موثر، کارآمد و دقیق جهت تخمین پارامترهای فیزیکی و شیمیایی آب می باشد.

Predicting the electrical conductivity of groundwater using the adaptive neurofuzzy inference system method (ANFIS) Case Study: Azarshahr, Ajabshir and Maragheh Plains

The aim of this study was to investigate the electrical conductivity of groundwater due to physical and chemical parameters of water using ANFISFCM method in Azarshahr, Ajabshir and Maragheh study areas of Urmia Lake catchment area. To achieve this goal, 82 water samples were taken from wells and springs in the plains and the data were chemically analyzed in the laboratory. Descriptive statistical data and correlation matrix of the studied parameters were obtained using SPSS software. By forming the correlation matrix, it was found that the four salinity parameters, soluble oxygen (DO), total soluble solids (TDS) and pH, have the highest correlation with electrical conductivity (EC) compared to other existing parameters. Therefore, the inputs of the model included the four mentioned parameters and the output was selected according to the purpose of the research, electrical conductivity.  After standardization, the data entered the MATLAB environment and using ANFISFCM method, the electrical conductivity of groundwater was predicted. In this method, 80% of the data (66 samples) were randomly selected for the training data set and 20% of the data (16 samples) were randomly selected for the test data set. For ANFISFCM training data set, R2, RMSE and VAF values were 0.9999, 0.0032399 and 0.99993, respectively, and also for ANFISFCM test data set, R2, RMSE and VAF values were 0.9998, respectively, 0.0029949 and 0.99972 were obtained. Using the results of this model, it was found that the estimated electrical conductivity in the studied areas had a very good accuracy and high correlation with the measured values. As a result, the ANFISFCM intelligent method is an effective, efficient and accurate way to estimate the physical and chemical parameters of water.