ارزیابی مدل هوشمند در برآورد هدایت الکتریکی آب های زیرزمینی (مطالعه موردی: دشت راین)

نویسندگان

1 دانشجوی دکترا مهندسی معدن(اکتشاف) - دانشگاه ارومیه

2 کارشناسی ارشد زمین شناسی زیست محیطی، دانشگاه شهید باهنر کرمان

3 دانشکده علوم دانشگاه ارومیه

4 عضو هیئت علمی گروه زمین شناسی، دانشگاه شهید باهنر کرمان

5 عضو هیئت علمی گروه مهندسی معدن

چکیده

در این مطالعه کارآمدی روش هوشمند سیستم استنتاج عصبی فازی تطبیقی ANFIS-FCM در پیش‌بینی هدایت‌الکتریکی درآب-های زیرزمینی ناشی از پارامتر‌های فیزیکی و شیمیایی دردشت راین ارزیابی شد. بدین منظور، 29 نمونه آب از چاه و چشمه‌های دشت‌ برداشت و داده‌ها در آزمایشگاه مورد آنالیز شیمیایی قرارگرفت. آمارهای توصیفی داده‌ها و ماتریس همبستگی پارامترهای مورد مطالعه با استفاده از نرم افزار SPSS بدست آمد. با تشکیل ماتریس همبستگی، مشخص گردید که پتاسیم (K+)، سدیم (Na+)، کلسیم (Ca2+)، منیزیم (Mg2+)، کلر (Cl-)، سولفات (SO42-)، کل مواد جامد محلول (TDS)، سختی کل(TH)، نسبت به سایر پارامترهای موجود، بیشترین همبستگی را با هدایت‌الکتریکی (EC) دارند. بنابراین ورودی‌های مدل شامل پارامترهای نامبرده و خروجی نیز با توجه به هدف تحقیق، هدایت‌الکتریکی انتخاب شد. داده‌ها پس از استاندارد‌سازی، وارد محیط متلب شده و با استفاده از روش ANFIS-FCM، هدایت‌الکتریکی آب زیرزمینی پیش‌بینی گردید. در این روش 70 درصد داده‌ها (20 نمونه) برای مجموعه داده آموزش و 30 درصد داده‌ها (9 نمونه) برای مجموعه داده آزمون به طور تصادفی انتخاب شدند. برای مجموعه داده آموزش مدل ANFIS-FCM مقادیر R2 و RMSE به ترتیب 9994/0، μS/cm 0001569/0 بدست آمدند و همچنین برای مجموعه داده آزمون مدل ANFIS-FCM مقادیر R2 و RMSE به ترتیب 9844/0، μS/cm 041652/0 حاصل گردید. با استفاده از نتایج حاصل از این مدل، مشخص شد که هدایت‌الکتریکی تخمین‌زده شده در محدوده‌ 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 هدایت الکتریکی آب می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of Intelligent Model in Estimating Electrical Conductivity in Groundwater (Case study: Rayen plain )

نویسندگان [English]

  • Hosnie Nazari 1
  • Yalda Nazari 2
  • Mozhgan Dehghani 3
  • Ahmad Abbas Nejhad 4
  • Farnusch Hajizadeh 5
1 PhD student in mine engineering (exploration) - Urmia University
2 Master of Environmental Geology, Shahid Bahonar University of Kerman
3 Faculty of science, Urmia University
4 Geology faculty members, Shahid Bahonar University of Kerman
5 Faculty member of mining engineering Department
چکیده [English]

In this study, effectiveness of the intelligent method of ANFIS-FCM adaptive fuzzy neural inference system to predict the electrical conductivity in groundwater due to physical and chemical parameters in the Rayen plain was evaluated. To achieve this, 29 water samples were taken from wells and springs across the plain and the data were chemically analyzed in the laboratory. Descriptive statistics of data and the correlation matrix of the studied parameters were obtained using SPSS software. By forming a correlation matrix, it was found that the potassium (K+), sodium (Na+), calcium (Ca2+), magnesium (Mg2+), chlorine (Cl-), sulfate (SO42-), total soluble solids (TDS), total hardness (TH), compared to other available parameters, have the highest correlation with electrical conductivity (EC). Therefore, the model inputs included the mentioned parameters and electrical conductivity was also selected as the output according to the research purpose. After standardization, the data were entered into MATLAB environment and the electrical conductivity of groundwater was predicted using ANFIS-FCM method. In this method, 70% of the data (20 samples) were selected as the training data set and 30% of the data (9 samples) for the test data set. For the training data set of ANFIS-FCM model, R2 and RMSE values were 0.99994, 0.0001569, respectively, and also for test data set of ANFIS-FCM model, 0.9844 and 0.041652 were resulted for R2 and RMSE, respectively. Using the results of this model, it was found that the estimated electrical conductivity 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 to estimate the electrical conductivity of water.

کلیدواژه‌ها [English]

  • Electrical Conductivity
  • ANFIS-FCM
  • Groundwater
  • Rayen Plain

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 15 تیر 1400
  • تاریخ دریافت: 18 فروردین 1400
  • تاریخ بازنگری: 03 خرداد 1400
  • تاریخ پذیرش: 14 تیر 1400