مقایسه کارایی مدل ماشین بردار پشتیبان با سیستم شبکه عصبی مصنوعی در شبیه سازی نیترات آب زیر زمینی

وجود نیترات به مقدار زیاد در منابع آب تاثیر منفی بر سلامت آب دارد اما این عامل مضر، جهت رشدگیاهان ضروری می باشدک البته برای گیاهانی که در مقابل نیتروژن بیش از حد مجاز صبور نیستند نتایج مطلوبی نخواهد داشتاکحصول آمار نیترات وعناصر وابسته در منابع آب زیرزمینی، قرایت دقیق در دوره های زمانی منظم میطلبد. هدف از انجام این تحقیق مقایسه دو تکنیک شبکه عصبی مصنوعی ANN و ماشین بردارپشتیبان SVM درشبیه سازی نیترات منابع آب زیرزمینی به عنوان ابزاری مبتنی بر داده می باشد. شبیه سازی بر اساس نمونه های مشاهداتی از چاه های موردنظر آبخوان لامرد، طی سالهای 1381 تا1393 صورت گرفته و بازه زمانی مدلسازی، ماهانه انتخاب شده است. عناصرکیفی استفاده شده جهت شبیه سازی مدل شامل منیزیم Mg ، بیکربنات Hco3 ، کلسیم Ca ، سدیم Na ، به عنوان تخمین زننده های مدل در نظر گرفته شده اند. نخست شبیه سازی هرتکنیک بصورت مجزا از آرایش های مختلف به انجام رسیده و نتایج حاصل نشان می دهد، سیستم شبکه عصبی مصنوعی در شبیه سازی نیترات آبخوان لامرد نسبت به تکنیک ماشین بردارپشتیبان ، از قابلیت و توانایی مناسبتری برخوردار میباشد. بر این اساس بهترین نتیجه از آرایشهای موجود در سیستم شبکه عصبی مصنوعی با ضریب همبستگی R2=0.9785 و MSE=0/0014 می باشد و همچنین درتکنیک ماشین برابر بردار پشتیبان R2=0.9664 و MSE=0/0024 می باشد. پس بنابر این دو معیار ارزیابی، سیستم شبکه عصبی مصنوعی درشبیه سازی نیترات موفق تر بوده است.

کلیدواژه ها:

نیترات ، شبیه سازی ، شبکه عصبی مصنوعی ، ماشین بردارپشتیبان