پایش پارامترهای کیفیت آب زیرزمینی با استفاده از روش سیستم استنتاج عصبی- فازی تطبیقی( ANFIS) (مطالعه موردی: دشت اردبیل)

نویسندگان

1 دانشجوی دکتری مهندسی معدن (اکتشاف)، دانشگاه ارومیه

2 دانشجوی دکتری زمین شناسی زیست محیطی، دانشگاه ارومیه

3 گروه زمین شناسی، دانشکده علوم، دانشگاه ارومیه، ارومیه، ایران

4 عضو هیئت علمی گروه علوم خاک، دانشگاه ارومیه

5 عضو هیئت علمی گروه مهندسی معدن، دانشگاه ارومیه

چکیده

مدل‌سازی مناسب کیفیت آب زیرزمینی از ابزارهای مهم برنامه ریزی و تصمیم گیری در مدیریت منابع آب است. در این مطالعه به منظور مدل‌سازی تغییرات متغیرهای کیفی آب زیرزمینی دشت اردبیل از داده های 60 حلقه چاه در اردیبهشت سال 1392 استفاده گردید. داده‌ها در آزمایشگاه جهاد دانشگاهی استان آذربایجان غربی مورد آنالیز شیمیایی قرار گرفت. آماره‌های توصیفی داده‌ها و ماتریس همبستگی پارامترهای مورد مطالعه با استفاده از نرم افزار SPSS بدست آمد. پارامترهای کیفی بررسی شده در این مقاله عبارت است از: EC، TDSو TH می باشد. داده‌ها پس از استاندارد‌سازی، وارد محیط متلب شده و با استفاده از روش ANFIS-FCM ، پارامترهای آب زیرزمینی پیش‌بینی گردید. در این روش 70 درصد داده‌ها (42 نمونه) برای مجموعه داده آموزش و 30 درصد داده‌ها (18نمونه) برای مجموعه داده آزمون به طور تصادفی انتخاب شدند. برای مجموعه داده آموزش مدل ANFIS-FCM مقادیرEC (9142/0=R2 ،009391/0= MSE)، TDS (9703/0=R2 ، 00515/0=MSE)، TH (9741/0=R2 ، 00388/0= MSE) بدست آمدند و همچنین برای مجموعه داده آزمون مدل ANFIS-FCM مقادیرEC (987/0 =R2 ، 003383/0= MSE)، TDS (8381/0=R2 ، 00510/0=MSE)، TH (7625/0=R2 ، 0372/0= MSE) حاصل گردید. با استفاده از نتایج به دست آمده از این مدل، مشخص شد که پارامترهای آب زیرزمینی تخمین زده شده در محدوده‌ی مورد بررسی از دقتی بسیار خوب و همبستگی بالایی نسبت به مقادیر اندازه‌گیری شده برخوردار بوده است. در نتیجه روش هوشمند ANFIS-FCM روشی موثر، کارآمد و دقیق جهت تخمین پارامترهای فیزیکی و شیمیایی آب می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Monitoring of groundwater quality parameters using adaptive neural-fuzzy inference system (ANFIS) method (Case study: Ardabil plain)

نویسندگان [English]

  • Hosnie Nazari 1
  • Mozhgan Dehghani 2
  • Hossein Pirkharrati 3
  • Farrokh Asadzadeh 4
  • Farnusch Hajizadeh 5
1 PhD student in mine engineering (exploration) - Urmia University
2 PhD student in Environmental Geology, Urmia University
3 Department of Geology, Faculty of Science, Urmia University, Urmia, Iran
4 Faculty member of Soil Science Department, Urmia University
5 Faculty member of Mining Engineering Department, Urmia University
چکیده [English]

Proper modeling of groundwater quality is an important planning and decision-making tool in water resources management. In this study, in order to model the changes in groundwater quality variables in Ardabil plain, data from 60 wells in May 2013 were used. The data were chemically analyzed in the University Jihad Laboratory by West Azerbaijan Province. Descriptive statistics of data and the correlation matrix of the studied parameters were obtained using SPSS software. The qualitative parameters studied in this paper are: EC, TDS and TH. After standardization, the data were entered into MATLAB environment and groundwater parameters were predicted using ANFIS-FCM method. In this method, 70% of the data (42 samples) for the training data set and 30% of the data (18 samples) for the test data set were randomly selected. For ANFIS-FCM model training data set, EC values (R2 = 0.9142, MSE = 0.009391), TDS (R2 = 0.9703, MSE = 0.00515), TH (R2 = 0.9741, 0.00388 = MSE values were also obtained for the ANFIS-FCM model test data set (EC = 0.987, R2 = 0.003383, MSE), TDS (R2 = 0.8381, MSE = 0.00510), TH (= 0.625). R2 (MSE = 0.072) was obtained. Using the results obtained from this model, it was found that the estimated groundwater parameters in the study area had very good accuracy and high correlation with the measured values. As a result, the ANFIS-FCM intelligent method is an effective, efficient and accurate method for estimating the physical and chemical parameters of water.

کلیدواژه‌ها [English]

  • Modeling
  • ANFIS-FCM
  • Groundwater parameters
  • Ardabil plain

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 29 دی 1399
  • تاریخ دریافت: 26 آبان 1399
  • تاریخ بازنگری: 28 دی 1399
  • تاریخ پذیرش: 29 دی 1399