شبیه سازی تغییرات کیفیت آب زیرزمینی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی؛ دشت دهگلان)

کیفیت آب مبحثی است که امروزه مورد توجه روزافزون قرار گرفته است. مساله کاهش کیفیت آب، بسیاری از کشورهای جهان را وادار ساخته تا دیدگاه های خود را در زمینه مدیریت منابع آب مورد بازبینی و تجدید نظر قرار دهند. در این راستا، مدیریت سیستم منابع آب های زیرزمینی که در آن اخذ هر گونه تصمیمی با در نظر گرفتن دو معیار کمیت و کیفیت آب مطرح باشد، نیاز به ابزاری دارد تا بتواند با توجه به اطلاعات فعلی و متغیرهای تصمیم گیری، وضعیت سفره را در آینده پیش بینی نماید. شبکه های عصبی مصنوعی ابزاری مناسب و کارا در تعیین و استـخراج نــگاشت های غیرخطی پیـچیده محسوب می گردد. این شبکه ها تحولی عظیم در تحلیل رفتار سیستم های دینامیک در علوم مختلف مهندسی آب ایجاد کرده است. هدف از تحقیق حاضر مدل سازی کیفی منابع آب زیرزمینی دشت دهگلان با استفاده از شبکه عصبی مصنوعی(ann) می باشد.بدین منظور 11، 6 و 5 مدل به ترتیب جهت پیش بینی میـزان هدایت الکتریکی، نیترات و اسیدیته آب زیرزمینی دشت دهگلان بسط و نتایج آن ها با هم مقایسه گردید. در نهایت از روش تحلیل سلسله مراتبی (ahp) برای اولویت بندی شبکه ها و انتخاب مناسب ترین مدل استفاده گردید. نتایج حاصل از تحقیق نشان داد که مدل های استاتیکی و هیبرید با دقت بالاتری میزان هدایت الکتریکی را پیش بینی نمودند. جهت پیش بینی میزان نیترات مدل استاتیکی با پارامترهای ورودی منیزیم، سولفات، کلر، کربنات، هدایت الکتریکی و کل املاح محلول با دقت بهتری میزان نیترات را پیش بینی کرد. نتایج همچنین نشان داد که، مدل دینامیکی یک فاکتوره با دقت بالاتری میزان اسیدیته را پیش بینی می نماید.