ارزیابی عملکرد روش‌های شبکۀ عصبی مصنوعی و زمین‌آمار در شبیه‌سازی پارامترهای کیفی آب‌های زیرزمینی (مطالعۀ موردی: شهر کوهپایه، استان اصفهان)

آب‌های زیرزمینی، مهم‌ترین منبع آب مصرفی در مناطق خشک و نیمه‌خشک در بخش‌های مختلف از قبیل کشاورزی، صنعت و شرب است. مدیریت این منابع آبی نسبت به آب‌های سطحی مشکل‌تر و پرهزینه‌تر است. به همین دلیل باید به دنبال روش‌هایی معقول و مقرون به صرفه برای مشخص‌کردن وضعیت این آب‌ها بود. در این مطالعه از روش‌های زمین‌آماری کریجینگ و کوکریجینگ و همچنین شبکۀ عصبی پروسپترون چند‌لایه به‌منظور برآورد پارامترهای کیفی -SO42، TDS، Ca و TH استفاده شد تا ضمن مقایسۀ این روش‌ها با هم بهترین روش نیز در این زمینه انتخاب شود. بدین منظور از داده‌های 50 حلقه چاه دشت کوهپایۀ استان اصفهان استفاده شد. به‌منظور ارزیابی عملکرد روش‌های مذکور در شبیه‌سازی پارامترهای مطالعه‌شده 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 چند‌لایه با RMSE کمتر و ضریب همبستگی بالاتر دقت بهتری نسبت به روش‌های کریجینگ و کوکریجینگ دارد و بین دو روش زمین‌آماری کریجینگ و کوکریجینگ نیز، روش کوکریجینگ با RMSE کمتر و ضریب همبستگی بالاتر عملکرد بهتری نسبت به روش کریجینگ در برآورد همۀ پارامترهای مطالعه‌شده از خود نشان داد.