ارزیابی قابلیت هوش مصنوعی در پیش بینی میزان نیترات در منابع آب زیرزمینی (مطالعه موردی روش های عصبی مصنوعی ann و anfis)

منابع آب زیرزمینی در کشور ایران و بسیاری از کشورهای دیگر که آب و هوایی مشابه دارند، مهم ترین منابع آب مورد استفاده در کشاورزی و شرب به شمار می رود. در دهه های اخیر سیستم های هوش مصنوعی (ai)، فضایی جدید در ارزیابی مسائل مهندسی آب و محیط زیست ایجاد کرده است. در این مطالعه روش کریجینگ معمول به عنوان یک تخمین گر آماری خطی و دو روش هوشمند شبکه عصبی مصنوعی ann و سیستم استنتاج تطبیقی عصبی فازی anfis ، در پیش بینی مقدار نیترات در آب های زیرزمینی ارزیابی شدند. به منظور انجام مطالعات غلظت نیترات در 40 چاه در دشت نجف آباد اصفهان به روش اسپکت فتومتر مورد اندازه گیری قرار گرفت. داده های ورودی مدل عصبی مصنوعی شامل طول و عرض حغرافیایی و غلظت نیترات به عنوان خروجی مدل تعیین شدند. در راستای بررسی عملکرد و کارایی مدلهای هوش مصنوعی در پیش بینی اطلاعات کیفی، اطلاعات نیترات 50درصد چاه ها به منظور واسنجی و 50درصد چاه ها به منظور صحت سنجی مدل ها استفاده شدند. در نهایت، خروجی مدل ها با مقدار اندازه گیری شده در چاه های مشاهداتی بر اساس معیارهای ارزیابی متقابل خطا مقایسه شد. نتایج نشان داد مدل anfis نسبت به دو مدل درون یابی دیگر عملکرد بهتری در پیش بینی مقدار نیترات به ترتیب با ریشه میانگین مربعات خطا (rmse) و (mg/l) 362/5، با میانگین اریب خطا (mbe)، 365/2 و با ضریب همبستگی (r) و 767/0 داشته است. همچنین مدل ann به مراتب نتایج بهتری نسبت به روش کریجینگ معمول داشت. بر این اساس مدل anfis برای پیش بینی مکانی نیترات در محدوده مطالعاتی پیشنهاد می شود.