بررسي و مقايسه عملكرد تكنيكهاي هوشمند نوين، درشبيه سازي نيترات آب زيرزميني

Investigation and Comparison of Performance of Modern Intelligent tTechniques in Groundwater Nitrate Simulation

امروزه با توجه به خشكسالي هاي اخير، يكي از اصلي ترين منابع تامين آب شرب در كشور، منابع زيرزميني هستند و از طرفي نيترات يكي از مهم‌ترين آلاينده‌هاي منابع آب زيرزميني مي باشد، كه اثرات نامطلوبي بر سلامت افراد دارد. پژوهش حاضر در صدد مقايسه و ارائه تكنيكي كارآمد و نوين جهت شبيه سازي وپيش بيني نيترات در اين منابع مي باشد. بنابراين سه تكنيك شبكه عصبي مصنوعي (ANN)وسيستم استنتاج عصبي – فازي(ANFIS) و ماشين بردارپشتيبان(SVM) درشبيه سازي به عنوان ابزاري مبتني بر داده مقايسه ميشود. شبيه سازي بر اساس نمونه هاي مشاهداتي از چاه هاي موردنظردر آبخوان مورد مطالعه طي 13سال صورت گرفته و بازه زماني مدلسازي، ماهانه انتخاب شده است. تخمين زننده ها شبيه سازي مدل شامل منيزيم(Mg) ، بيكربنات(Hco3) ، كلسيم(Ca) ، سديم(Na ميباشند. نخست شبيه سازي هرتكنيك بصورت مجزا، روي آرايشهاي مختلف انجام ميشود. بر اساس نتايج حاصل از معيارهاي ارزيابي سيستم نروفازي با ضريب همبستگي9978/0 R2= و 0002/0 MSE= از قابليت و توانايي مناسبتري برخوردار ميباشد.

Today, due to recent drought, one of the main sources of drinking water in the country is underground resources, and also nitrate is one of the most important pollutants of groundwater resources, which has adverse effects on people's health. The present study seeks to compare and provide an efficient and innovative technique for simulating and predicting nitrate in these resources. Therefore, three artificial neural networks (ANN) models of neuro-fuzzy inference system (ANFIS) and vector-supported vector (SVM) are compared in simulation as a data-driven tool. Simulation based on observation samples from wells in the aquifer under study for 13 years and the modeling period has been selected monthly. Estimates of model simulations include magnesium (Mg), bicarbonate (Hco3), calcium (Ca), sodium (Na). First, the heterogeneous simulation of heterogeneity is carried out on different makeup. Based on the results of the evaluation of the neo-Frazi system The correlation coefficient of R2 = 9978/0 and MS2 = 0002 have better capability and capability.