شبیه سازی هدایت الکتریکی دشت بهبهان با استفاده از مدل های ANN و ANN-PSO

برآورد و پیش­بینی پارامترهای کیفی آب زیرزمینی به‎ منظور تصمیم‎گیری های مدیریتی یکی از اهداف مدیران و برنامه­ریزان منابع آب تلقی می شود. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیشتر این مدل ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آن‎ها مشکل است و یا این‎که اندازه گیری آن‎ها محتاج صرف هزینه و زمان زیاد است. در این میان مدل های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می نمایند، به‎عنوان گزینه ای برتر  معرفی می شوند. پژوهش حاضر به‎منظور شبیه سازی پارامتر کیفی هدایت الکتریکی آب زیرزمینی دشت بهبهان با استفاده از مدل های ANN و ANN-PSO و درنهایت مقایسه نتایج آن ها با داده های اندازه گیری شده ، انجام شده است. پارامترهای هدایت الکتریکی، کلسیم، منیزیم، سولفات، بی کربنات، کلر، پتاسیم، سختی و اسیدیته در بازه سال های 1388 تا 1395 در دشت بهبهان جمع آوری شد و به‎عنوان ورودی مدل مورد استفاده قرار گرفت. نتایج نشان داد بالاترین دقت پیش بینی پارامتر کیفی EC مربوط به مدل ANN-PSO است، به طوری‎که مقدار آماره های  و  کمترین مقدار و  بیشترین مقدار را برای مدل مذکور دارد. با توجه به کارایی بالای مدل شبکه عصبی مصنوعی با آموزش الگوریتم بهینه سازی تجمع ذرات می توان از این مدل برای اتخاذ تصمیمات مدیریتی و حصول اطمینان از نتایج پایش و کاهش هزینه استفاده کرد.

کلیدواژه ها:

الگوریتم بهینه سازی تجمع ذرات ، شبکه عصبی مصنوعی ، هدایت الکتریکی