دوره 12، شماره 24 - ( پاییز و زمستان 1400 1400 )                   جلد 12 شماره 24 صفحات 64-54 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

moghaddasi M, mardiyan M, parsa M. Comparison and Assessment of Intelligent and Geostatistical Models for Analysis of Spatial Variations of Groundwater Quality (Komijan Plain). jwmr. 2021; 12 (24) :54-64
URL: http://jwmr.sanru.ac.ir/article-1-1051-fa.html
مقدسی مه نوش، مردیان مهدی، پارسا محسن. مقایسه و ارزیابی مدل‌های هوشمند و زمین‌آمار به‌منظور تحلیل تغییرات مکانی کیفیت آب زیرزمینی (دشت کمیجان). پ‍‍ژوهشنامه مديريت حوزه آبخيز. 1400; 12 (24) :64-54

URL: http://jwmr.sanru.ac.ir/article-1-1051-fa.html


گروه مهندسی آب دانشگاه اراک
چکیده:   (862 مشاهده)
چکیده مبسوط
مقدمه و هدف: امروزه با توسعه بخش شهری، صنعتی و کشاورزی استفاده از آب­های زیرزمینی اهمیت بیشتری یافته است. بنابراین پایداری و توسعه بهره برداری از آب های زیرزمینی برای انواع مشتریان و اهداف مختلف، امری ضروری است که ویژگی های کمی و کیفی آن مورد بررسی و ارزیابی قرار گیرد.
مواد و روش­ ها: شبکه عصبی تطبیقی فازی (FANN) و روش زمین آماری مبتنی بر سیستم اطلاعات جغرافیایی برای دشت کمیجان، استان مرکزی، ایران استفاده شده است. ابتدا داده های 36 حلقه چاه از شرکت آب و فاضلاب روستایی جمع آوری شد. سپس با استفاده از انواع نیمه واریوگرام مانند: گوسی، خطی، کروی و همچنین کریجینگ و کوکریجینگ، مدل زمین آماری با استفاده از شاخص‌های R2 و RMSE مورد ارزیابی قرار گرفت. سپس برای مدل شبکه عصبی تطبیقی فازی توابع عضویت مانند: مثلثی، زنگ تعمیم یافته و گاوسی بررسی شد و بهترین مدل با استفاده از شاخص­ های R2 و RMSE تعیین شد.
یافته­ها: با توجه به نتایج R2 و RMSE در مدل های زمین آماری، کروی، خطی و نمایی به ترتیب برای متغیرهای EC، TDS و pH بهترین انتخاب شدند. همچنین بر اساس نیمه واریوگرام، روش کریجینگ عملکرد بهتری نسبت به روش کوکریجینگ برای تمامی متغیرهای مورد مطالعه با ضریب تعیین بالا به ترتیب 0/73، 0/66 و 0/85 برای EC، TDS و pH و کمتر در RMSE دارد .نتایج نشان داد که در شبکه عصبی تطبیقی ​​فازی، متغیر EC، تابع زنگ تعمیم یافته فازی با ضریب همبستگی 0/98 و میانگین مربعات خطای 144/54 در مرحله آزمون، خوب است. برای متغیر TDS، تابع گاوسی با ضریب همبستگی 0/98 و میانگین مربعات خطای 0/33 119 در مرحله آزمون بهترین است. همچنین برای متغیر pH، تابع زنگ تعمیم یافته با ضریب همبستگی 0/99 و میانگین مربعات خطای 103/10 در مرحله آزمون عملکرد بهتری نسبت به سایر توابع فازی در مدل سازی دارد. با مقایسه نتایج شبکه عصبی تطبیقی ​​زمین آماری و فازی می توان دریافت که مدل FANN نسبت به مدل زمین آماری کارایی بالاتری دارد.
نتیجه­ گیری: نتایج نقشه‌های پهنه‌بندی نشان داد که در قسمت شمالی دشت EC کم و در مرکز و غرب EC بالای µSiemens/cm 2000 است. همچنین برای متغیر TDS، در قسمت شمالی دشت کم و در جنوب و جنوب غربی بالای 1000 میلی­ گرم در لیتر است. همچنین تغییرات مقدار pH  نشان داد که تغییرات این متغیر کم بوده و بیشترین میزان pH در قسمت شمالی و کمترین آن در قسمت جنوبی است.
 
متن کامل [PDF 1258 kb]   (74 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: هيدرولوژی
دریافت: 1398/8/5 | ویرایش نهایی: 1400/12/3 | پذیرش: 1399/5/12 | انتشار: 1400/6/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of Watershed Management Research

Designed & Developed by : Yektaweb