مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چندمتغیره در تخمین تغییرات کیفی آب زیرزمینی (مطالعه موردی: آبخوان کاشان)

Abstract

مجاورت آبخوان کاشان با جبهه¬ی آب شور دریاچه¬ی نمک، باعث ایجاد شیب هیدرولیکی و در نتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیه¬سازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدل¬های شبکه¬ی عصبی مصنوعی و رگرسیون چند گانه انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدل¬سازی شد. نتایج حاصل از بررسی تیپ آب نشان داد که کلرور- سدیم تیپ غالب آب منطقه است. بنابراین در مدل¬سازی¬ها ورودی مدل شامل تغییرات سطح ایستابی، بارندگی و مقدار غلظت کلرور در سال قبل و خروجی مدل نیز مقدار کلرور در سال جاری بوده است. نتایج نشان داد که مدل MLP نسبت به مدل RBF و رگرسیون چند گانه دارای نتیجه¬ی بهتری در پیش¬بینی غلظت کلر در 11 سال آینده داشته است. به طوری که ضریب تبیین اصلاح شده¬ی حاصله به ترتیب برابر 97/0، 89/0 و 34/0 بود. همچنین تابع فعال¬کننده¬ی تانژانت هایپربولیک خطی و الگوریتم مومنتوم، نتایج بهتری را نسبت به توابع و الگوریتم¬های دیگر نشان دادند. نتایج حاصل از آنالیز حساسیت مدل نشان داد که غلظت کلر در سال قبل و تغییرات سطح ایستابی به ترتیب مهم¬ترین تأثیر را در شبیه¬سازی غلظت کلر داشته است.