مدل‌سازي كيفي منابع آب زيرزميني با استفاده از شبكه عصبي مصنوعي و الگوريتم بهينه‌سازي گرگ خاكستري: مورد مطالعه دشت كبودرآهنگ، همدان، ايران

زمينه و هدف: : امروزه با توجه به تغييرات اقليمي و كاهش نزولات جوي در سطح كشور و به‌خصوص استان همدان، نرخ دسترسي به منابع آب‌ سطحي كاهش يافته و لذا، ميزان برداشت از منابع آب زيرزميني به‌شدت افزايش يافته است كه اين موضوع موجب تغيير در كيفيت اين منابع براي مصارف گوناگون شده است. در نتيجه، لزوم پايش كيفي منابع آب زيرزميني نيز اهميت دوچنداني يافته است. از اين‌رو، در اين پژوهش با استفاده از مدل تركيبي شبكه عصبي مصنوعي و الگوريتم فراابتكاري گرگ خاكستري نسبت به مدل‌سازي كيفي منابع آب‌ زيرزميني دشت كبودرآهنگ واقع در شمال غربي استان همدان در سال 1401 اقدام شد.مواد و روش ها: در اين پژوهش، داده‌هاي كيفي منابع آب زيرزميني مربوط به چاه‌هاي دشت كبودرآهنگ به سه بخش آموزش (%70)، اعتبارسنجي (%15) و آزمون (%15) تقسيم و با استفاده از مدل تركيبي شبكه عصبي مصنوعي و الگوريتم فراابتكاري گرگ خاكستري مدل‌سازي كيفي منابع آب‌ زيرزميني دشت كبودرآهنگ انجام شد.يافته ها: نتايج نشان داد كه مدل ارائه شده قابليت بالايي در پيش‌بيني كيفيت آب زيرزميني بر اساس سه متغير pH، EC و TDS داشته است. مقدار 0/9975 = R نشان‌دهنده پيشگويي بالاي متغيرها بود. نتايج حاصل از پياده‌سازي شبكه عصبي مصنوعي بيان‌گر صحت بالا و همچنين قابليت بالاي پيش‌بيني و خطاي اندك مدل بود كه اين خطا با كمك الگوريتم گرگ خاكستري كاهش يافت. بنابراين، مي‌توان اذعان داشت علي‌رغم اين‌كه الگوريتم شبكه عصبي مصنوعي تا حد بالايي قادر به پيش‌بيني كيفيت آب زيرزميني در منطقه مورد مطالعه بود، الگوريتم گرگ خاكستري با كاهش خطاي پيش‌بيني، اين عملكرد را تكميل و مقدار بهينگي مدل را افزايش داد.نتيجه گيري: الگوريتم‌هاي شبكه عصبي مصنوعي و بهينه‌سازي گرگ خاكستري مكمل هم بوده و عملكرد خوبي براي پيش‌بيني تغييرات كيفي منابع آب‌ زيرزميني از خود نشان مي‌دهند.