ارزيابي مدل بيان ژن در پيش‌بيني مكاني شوري آب زيرزميني و مقايسۀ آن با مدل‌هاي زمين‌آماري (مطالعۀ موردي: دشت مشهد)

Evaluation of Gene Expression Model in Spatial Prediction of Groundwater Salinity and Its Comparison with Geostatistical Models (Case study: Mashhad plain)

آب‌هاي زيرزميني از منابع مهم بهره‌برداري در مناطق خشك و نيمه‌خشك هستند. به همين دليل، به‌منظور حفظ كيفيت آب‌هاي زيرزميني و مديريت بهينۀ آن، اطلاع از پراكنش مكاني و زماني آنها بااهميت است و پايش و پهنه‌بندي آنها به عنوان اصل مهمي در برنامه‌ريزي‌هاي منابع آب كشور بايد مد نظر قرار بگيرد. هدف از انجام پژوهش حاضر، پهنه‌بندي هدايت الكتريكي آب زيرزميني آبخوان دشت مشهد با استفاده از 5 روش عكس فاصله (IDW)، تخمين‌گر موضعي (GPI)، تخمين‌گر عام (LPI)، كريجينگ و كوكريجينگ و همچنين، ارزيابي مدل برنامه‌ريزي بيان ژن در پيش‌بيني اين پارامتر با استفاده از داده‌هاي مكاني است. براي انجام پژوهش حاضر از داده‌هاي 122 حلقه چاه مشاهده‌اي در محدودۀ آبخوان دشت مشهد استفاده شد. براي مقايسۀ روش‌هاي استفاده‌شده از سه معيار ارزيابي مجذور ميانگين مربعات خطا (RMSE)، ميانگين قدرمطلق خطا (MAE) و معيار نش- ساتكليف (NSE) استفاده شد. ترسيم نيم‌تغييرنما در GS+ نشان داد داده‌هاي هدايت الكتريكي بهترين برازش را در مدل كروي دارند. نتايج پژوهش حاضر نشان داد از ميان روش‌هاي يادشده، مدل برنامه‌ريزي بيان ژن با خطاي MAE=224/15 μmos/cm , RMSE=275/54 μmos/cm NSE و NSE=0/94 و پس از آن، روش كوكريجينگ با خطاي MAE=319/73 μmos/cm, RMSE=573/59 μmos/cm و NSE=0/72 ‌بيشترين دقت و روش تخمين‌گر موضعي (GPI) با خطاي MAE=755/56 μmos/cm, RMSE=0/996/11 μmos/cm و NSE=0/16 كمترين دقت در اين زمينه را داشتند.

Groundwater is an important source of exploitation in arid and semi-arid regions. For this reason, in order to maintain groundwater quality and its optimal management, it is important to know their spatial and temporal distribution and their monitoring and zoning should be considered as an important principle in the country's water resources planning. The aim of this study was to zoning the electrical conductivity of groundwater in the Mashhad plain aquifer using 5 methods of distance inverse geostatistics (IDW), local estimator (GPI), general estimator (LPI), kriging and cokriging and also evaluating the gene expression programming model in predicting this The parameter is using spatial data. For the present study, data from 122 observation wells in the aquifer area of Mashhad plain were used. To compare the methods used, two squares evaluation criteria were the mean squared error (RMSE) and the mean absolute error (MAE). The semi-variable plot in GS + showed that the electrical conductivity data fit best in the spherical model. The results of the present study showed that among the mentioned methods, the inverse distance method (IDW) with error rate RMSE=0.3 mos/cm and MAE=0.16 mos/cm and then the model of gene expression programming with RMSE=275.54 mos/cm MAE=223.15 mos/cm with the highest accuracy and local estimator method (GPI) with RMSE=996.11 mos/cm and MAE=755.56 mos/cm, had the least accuracy in this field.