ارزیابی عملکرد روش های شبکۀ عصبی مصنوعی و زمین آمار در شبیه سازی پارامترهای کیفی آب های زیرزمینی (مطالعۀ موردی: شهر کوهپایه، استان اصفهان)

آب های زیرزمینی، مهم ترین منبع آب مصرفی در مناطق خشک و نیمه خشک در بخش های مختلف از قبیل کشاورزی، صنعت و شرب است. مدیریت این منابع آبی نسبت به آب های سطحی مشکل تر و پرهزینه تر است. به همین دلیل باید به دنبال روش هایی معقول و مقرون به صرفه برای مشخص کردن وضعیت این آب ها بود. در این مطالعه از روش های زمین آماری کریجینگ و کوکریجینگ و همچنین شبکۀ عصبی پروسپترون چند لایه به منظور برآورد پارامترهای کیفی -so42، tds، ca و th استفاده شد تا ضمن مقایسۀ این روش ها با هم بهترین روش نیز در این زمینه انتخاب شود. بدین منظور از داده های 50 حلقه چاه دشت کوهپایۀ استان اصفهان استفاده شد. به منظور ارزیابی عملکرد روش های مذکور در شبیه سازی پارامترهای مطالعه شده از خطای جذر میانگین مربعات (rmse) و ضریب همبستگی استفاده شد. نتایج حاصل از مقایسۀ سه روش نشان داد که در مورد همۀ پارامترها، شبکۀ عصبی پروسپترون چند لایه با rmse کمتر و ضریب همبستگی بالاتر دقت بهتری نسبت به روش های کریجینگ و کوکریجینگ دارد و بین دو روش زمین آماری کریجینگ و کوکریجینگ نیز، روش کوکریجینگ با rmse کمتر و ضریب همبستگی بالاتر عملکرد بهتری نسبت به روش کریجینگ در برآورد همۀ پارامترهای مطالعه شده از خود نشان داد.