شبیه‌سازی هدایت الکتریکی دشت بهبهان با استفاده از مدل‌های ANN و ANN-PSO

برآورد و پیش­بینی پارامترهای کیفی آب زیرزمینی به‎ منظور تصمیم‎گیری‌های مدیریتی یکی از اهداف مدیران و برنامه­ریزان منابع آب تلقی می‌شود. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیشتر این مدل‌ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آن‎ها مشکل است و یا این‎که اندازه‌گیری آن‎ها محتاج صرف هزینه و زمان زیاد است. در این میان مدل‌های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می‌نمایند، به‎عنوان گزینه‌ای برتر  معرفی می‌شوند. پژوهش حاضر به‎منظور شبیه‌سازی پارامتر کیفی هدایت الکتریکی آب زیرزمینی دشت بهبهان با استفاده از مدل‌های ANN و ANN-PSO و درنهایت مقایسه نتایج آن‌ها با داده‌های اندازه‌گیری شده‌، انجام شده است. پارامترهای هدایت الکتریکی، کلسیم، منیزیم، سولفات، بی‌کربنات، کلر، پتاسیم، سختی و اسیدیته در بازه سال‌های 1388 تا 1395 در دشت بهبهان جمع‌آوری شد و به‎عنوان ورودی مدل مورد استفاده قرار گرفت. نتایج نشان داد بالاترین دقت پیش‌بینی پارامتر کیفی EC مربوط به مدل ANN-PSO است، به‌طوری‎که مقدار آماره‌های  و  کمترین مقدار و  بیشترین مقدار را برای مدل مذکور دارد. با توجه به کارایی بالای مدل شبکه عصبی مصنوعی با آموزش الگوریتم بهینه‌‌سازی تجمع ذرات می‌توان از این مدل برای اتخاذ تصمیمات مدیریتی و حصول اطمینان از نتایج پایش و کاهش هزینه استفاده کرد.