پایش پارامترهای کیفیت آب زیرزمینی با استفاده از روش سیستم استنتاج عصبی فازی تطبیقی (anfis) (مطالعه موردی: دشت اردبیل)

مدل سازی مناسب کیفیت آب زیرزمینی از ابزارهای مهم برنامه ریزی و تصمیم گیری در مدیریت منابع آب است. در این مطالعه به منظور مدل سازی تغییرات متغیرهای کیفی آب زیرزمینی دشت اردبیل از داده های 60 حلقه چاه در اردیبهشت سال 1392 استفاده گردید. داده ها در آزمایشگاه جهاد دانشگاهی استان آذربایجان غربی مورد آنالیز شیمیایی قرار گرفت. آمار های توصیفی داده ها و ماتریس همبستگی پارامترهای مورد مطالعه با استفاده از نرم افزار spss بدست آمد. پارامترهای کیفی بررسی شده در این مقاله عبارت است از: ec،  tdsو th می باشد. داده ها پس از استاندارد سازی، وارد محیط متلب شده و با استفاده از روش anfis-fcm ، پارامترهای آب زیرزمینی پیش بینی گردید. در این روش 70 درصد داده ها (42 نمونه) برای مجموعه داده آموزش و 30 درصد داده ها (18نمونه) برای مجموعه داده آزمون به طور تصادفی انتخاب شدند. برای مجموعه داده آموزش مدل anfis-fcm مقادیر mse 0.009391 = r^2-)ec ،0.9142) (mse-0/00515 r^2 - 0/9703(، tds (0/9784=mse - 0/00388=r^2) بدست آمدند و همچنین برای مجموعه داده آزمون مدل anfis-fcm مقادیرec (987/0 =r^2-0/987)ec ، 003383/0= mse)، tds (8381/0=r^2 ، 0/003383=mse) ,(mse-0/00510,r^2-0/8381)tds، (mse-0/0372,r^2-0/7625)th حاصل گردید. با استفاده از نتایج به دست آمده از این مدل، مشخص شد که پارامترهای آب زیرزمینی تخمین زده شده در محدوده ی 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.

monitoring of groundwater quality parameters using adaptive neuralfuzzy inference system (anfis) method (case study: ardabil plain)

proper modeling of groundwater quality is an important planning and decisionmaking tool in water resources management. in this study, in order to model the changes in groundwater quality variables in ardabil plain, data from 60 wells in may 2013 were used. the data were chemically analyzed in the university jihad laboratory by west azerbaijan province. descriptive statistics of data and the correlation matrix of the studied parameters were obtained using spss software. the qualitative parameters studied in this paper are: ec, tds and th. after standardization, the data were entered into matlab environment and groundwater parameters were predicted using anfisfcm method. in this method, 70% of the data (42 samples) for the training data set and 30% of the data (18 samples) for the test data set were randomly selected. for anfisfcm model training data set, ec values (r2 = 0.9142, mse = 0.009391), tds (r2 = 0.9703, mse = 0.00515), th (r2 = 0.9741, 0.00388 = mse values were also obtained for the anfisfcm model test data set (ec = 0.987, r2 = 0.003383, mse), tds (r2 = 0.8381, mse = 0.00510), th (= 0.625). r2 (mse = 0.072) was obtained. using the results obtained from this model, it was found that the estimated groundwater parameters in the study area had very good accuracy and high correlation with the measured values. as a result, the anfisfcm intelligent method is an effective, efficient and accurate method for estimating the physical and chemical parameters of water.