بررسی کارایی مدل ماشینهای بردار پشتیبان در پیش بینی غلظت نیترات در آبهای زیرزمینی و مقایسه آن با مدل modflow

آلودگی منابع آب زیرزمینی به نیترات در حال حاضر یکی از مهمترین مسائل زیست محیطی میباشد. نیترات به دلیل زیاد بودن حلالیتش در آب، به راحتی در اثر بارندگی یا آبیاری از خاک شسته و به آب های سطحی و یا زیر زمینی منتقل می شود. اهمیت شناسایی آلودگی آبهای زیرزمینی که یک سوم آب شرب جهان را تشکیل می دهد، و افزایش تقاضا برای آب با کیفیت، نیاز روزافزونی را برای ایجاد مدلهای پیشگو، قدرتمند، دقیق و قابل اطمینان مشخص می کند. در این زمینه مدلهای هوشمند و مدلسازیهای داده محور از جمله روشهای نوینی هستند که به سرعت در حال گسترش در زمینه های متنوع علمی می باشند. این مدلها قادر به یادگیری و تعمیم مفاهیم هستند و می توانند در مسائل مربوط به تخمین، پیش بینی، مدیریت و کنترل، در جنبه های مختلفی از منابع آب مورد استفاده قرار گیرند. از آن میان ماشینهای بردار پشتیبان ابزاری جدید و قدرتمند در فراهم کردن راه حلهایی برای دسته بندی و رگرسیون می باشند که دارای قابلیت عمومیت پذیری بالا و کارایی مناسب حتی در صورت وجود داده های کم، در مقایسه با سایر روشهای داده محور پیشین می باشد. از آنجا که در برخی موارد استفاده از مدلهای فیزیکی به منظور شبیه سازی جریان آب زیرزمینی، به دلیل کمبود داده های مورد نیاز و استفاده از فرضیات ساده کننده در ارتباط با هیدروژئولوژی پیچیده و ناهمگن در بسیاری از آبخوان ها، منجر به نتایج نامطلوبی خواهد شد. لذا در این تحقیق، روش ماشین های بردار پشتیبان جهت پیشبینی غلظت نیترات در آبخوان دشت اراک با استفاده از پارامترهای کیفی که براحتی قابل اندازه گیری هستند، مانند دما، هدایت الکتریکی، عمق آب زیرزمینی، میزان کل جامدات محلول، میزان اکسیژن محلول، اسیدیته، کاربری اراضی و موقعیت مکانی چاه، بکار گرفته شده است. برای این منظور از داده های کیفی جمع آوری شده از 40 چاه در 4 فصل متوالی به مدت یک سال استفاده شده است. سپس با ایجاد مدل های مختلف svm براساس پارامترها و ورودی های متفاوت و مقایسه بین نتایج، مدل بهینه انتخاب شده است و با استفاده از داده های حقیقی موجود، مورد آموزش و ارزیابی قرار گرفته است. نتایج بدست آمده بر اساس معیارهای ارزیابی عملکرد شامل r، e و rmse به ترتیب برابر با 87/0، 71/0 و 111/0 در مرحله ارزیابی مدل می باشد که در مقایسه با نتایج حاصل از مدل سازی کیفی مدلmodflow با ضریب همبستگی 88/0؛ قابلیت بالای پیش بینیِ مدل svm استفاده شده در این تحقیق را در تخمین غلظت نیترات نشان می دهد. با این تفاوت که حجم عملیاتی و محاسباتی در مدل svm به مراتب ساده تر و کمتر از مدلmodflow است و می تواند بدون نیاز به مشخصات هندسی آبخوان، شرایط اولیه و مرزی سفره، میزان تغذیه، تبخیر، تخلیه و ... با تقریب نسبتاً خوبی، میزان غلظت نیترات را در سطح منطقه پیش بینی نماید.