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

چکیده مقاله

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.