مقايسه كارايي مدل ماشين بردار پشتيبان با سيستم شبكه عصبي مصنوعي درشبيه سازي نيترات آب زيرزميني

وجود نيترات به مقدار زياد در منابع آب تاثير منفي بر سلامت آب دارد اما اين عامل مضر، جهت رشدگياهان ضروري مي باشد. البته براي گياهاني كه در مقابل نيتروژن بيش از حد مجاز صبور نيستند نتايج مطلوبي نخواهد داشت. حصول آمار نيترات وعناصر وابسته در منابع آب زيرزميني، قرائت دقيق در دوره هاي زماني منظم ميطلبد. هدف از انجام اين تحقيق مقايسه دو تكنيك شبكه عصبي مصنوعي (ANN)و ماشين بردارپشتيبان(SVM) درشبيه سازي نيترات منابع آب زيرزميني به عنوان ابزاري مبتني بر داده مي باشد. شبيه سازي بر اساس نمونه هاي مشاهداتي از چاه هاي موردنظر آبخوان لامرد، طي سالهاي 1381 تا1393 صورت گرفته و بازه زماني مدلسازي، ماهانه انتخاب شده است. عناصركيفي استفاده شده جهت شبيه سازي مدل شامل منيزيم(Mg) ، بيكربنات(Hco3) ، كلسيم(Ca) ، سديم(Na)، به عنوان تخمين زننده هاي مدل در نظر گرفته شده اند. نخست شبيه سازي هرتكنيك بصورت مجزا از آرايشهاي مختلف به انجام رسيده و نتايج حاصل نشان مي دهد، سيستم شبكه عصبي مصنوعي در شبيه سازي نيترات آبخوان لامرد نسبت به تكنيك ماشين بردارپشتيبان ، از قابليت و توانايي مناسبتري برخوردار ميباشد. بر اين اساس بهترين نتيجه از آرايشهاي موجود در سيستم شبكه عصبي مصنوعي با ضريب همبستگي9785/0 R2= و 0014/0 MSE= مي باشد و همچنين درتكنيك ماشين بردارپشتيبان برابر9664/0 R2= و0024/0 MSE= مي باشد. پس بنابر اين دو معيار ارزيابي، سيستم شبكه عصبي مصنوعي درشبيه سازي نيترات موفق تر بوده است.