تخمین نیترات آب زیرزمینی دشت همدان-بهار با استفاده از شبکه عصبی مصنوعی و اثر تفکیک داده ها بر دقت پیش بینی

کسب اطلاعات لازم در خصوص نیترات در منابع آب زیرزمینی مستلزم اندازه گیری های دقیق دوره ای است که با وجود اندازه گیری آن در برخی مناطق، به علت حساسیت های اجتماعی و سلامتی جامعه گزارش نمی شود. بنابراین مدل سازی آن به علت اطلاع از وضعیت کیفی آب هر منطقه ضروری به نظر می رسد. هدف این مطالعه استفاده از روش شبکه عصبی مصنوعی در برآورد نیترات و مقایسه آن با مقادیر اندازه گیری شده و بررسی تاثیرپذیری برآورد نیترات از تعداد و ماهیت اطلاعات ورودی به مدل شبکه عصبی بود. داده ها از آمار و اطلاعات کمی و کیفی 53 حلقه چاه آب زیرزمینی دشت همدان- بهار در دو گروه اطلاعات پرهزینه و کم هزینه، طی سالهای 1382 تا 1387 اخذ شد. در گروه اطلاعات پرهزینه از 13 متغیر مستقل شیمیایی به عنوان ورودی شبکه عصبی مصنوعی و در گروه کم هزینه از 7 و 8 متغیر به تفکیک برای مدل سازی نیترات استفاده شد. مقایسه نتایج آزمون هر سه آرایش، حاکی از توانایی بالای مدل شبکه عصبی در پیش بینی غلظت نیترات است. مقایسه میانگین خطاهای حاصل از هر سه مدل شبکه عصبی با آزمون t و آماره Z نشان داد که تفاوت معنی داری بین نتایج مدل ها وجود ندارد. بنابراین استفاده از اطلاعات گروه دوم در ورودی شبکه عصبی قابل توجیه است. مشخصه های ورودی مدل پیشنهادی شامل خصوصیات ژئومرفولوژی عمق استاتیک، عمق چاه، مختصات جغرافیایی و اطلاعات کیفی دما، pH، هدایت الکتریکی نمونه های آب اندازه گیری شده است که موفق به پیش بینی غلظت نیترات با اطمینانی بیش از 80 درصد شد که مؤید کارایی مناسب مدل در آبخوان دشت همدان-بهار است.