ارایه یک مدل پیش بینی تغییرات EC درآب های زیرزمینی دشت اراک مبتنی بر شبکه عصبی فازی

کیفیت آب های زیرزمینی بسیار حایز اهمیت است زیرا میزان آلودگی و رسوب در آب های زیرزمینی تولید آب و مصارف را تحت تاثیر قرار داده و خساراتی را وارد می کند. وجود رسوبات و املاح درون آب ها سبب می شود که هدایت الکتریکی این آب ها افزایش یافته و با اندازه گیری آن می توان این جریان را کنترل و پیش بینی نمود. در واقع این پژوهش به دنبال مدل سازی پیش بینی تغییرات پارامتر EC در آب های زیرزمینی دشت اراک، مبنی بر شبکه عصبی فازی می باشد که این سیستم شبکه عصبی پیشنهادی دارای پنج لایه ورودی، لایه فازی ساز، لایه استنتاج فازی ، لایه نرمالیزه و لایه خروجی است. دلیل استفاده از شبکه عصبی این است که روش های هوشمند اغلب مبتنی بر آموزش هستند و دارای پارامترهایی هستند که در فرآیند یادگیری می تواند تنظیم شوند و با افزایش تعداد ورودی ها تعداد پارامترهای آموزش به صورت نمایی افزایش می یابد. از جایی که انتخاب پارامترهای موثر یک امر مهم در این گونه شبکه ها می باشد، در این پژوهش، برای تنظیم بهینه پارامترها، از روش تاگوچی استفاده کرده و پارامترهای موثر شامل: تعداد توابع عضویت، تاثیر تعداد سال های متوالی و نوع تابع عضویت می باشد. در این پژوهش از الگوریتم K-Means برای خوشه ندی شهرها استفاده شده ونتایج معیار سیلوهیته را به ازای تعداد خوشه های متفاوت بررسی شد. همچنین در این پژوهش شاخص های MID، RASو SM که اغلب برای مقایسه عملکرد روش ها به کار می رود که عملکرد الگوریتم های فرا ابتکاری می باشند معرفی شد که هریک از شاخص ها در 10 بار تکرار بررسی شده و میانگین گرفته شد تا بتوان یک روش برای تعیین بهترین الگوریتم یافت که بر این اساس آن دسته از روش ها که عدد کوچکتر داشته باشد اولویت بیشتری دارد به همین دلیل هر سه شاخص با عدم حضور خوشه بندی و با حضور خوشه بندی بررسی شد، نتایج نشان داد که حضور خوشه بندی سبب شده تا این شاخص های MID، RAS و SM با حضور خوشه بندی میزان میانگین به ترتیب مقادیر 0.0690،0.1318 و 0.0605 را نتیجه دادند

کلیدواژه ها:

آبهای زیر زمینی ، هدایت الکتریکی EC ، شبکه عصبی ، خوشه بندی و شاخص های MID ، RASو SM.