بهینه سازی روش DRASTIC با استفاده از هوش مصنوعی برای ارزیابی آسیب پذیری آبخوان چندگانه دشت ورزقان

با توجه به افزایش جمعیت و توسعه فعالیت‏های کشاورزی و معدنی در دشت ورزقان که سبب افزایش مقادیر نیترات تا پنج برابر استاندارد سازمان بهداشت جهانی (WHO) شده، ارزیابی آسیب‏پذیری و حفاظت از منابع آب زیرزمینی در این منطقه اهمیت زیادی دارد. در این پژوهش، آسیب‏پذیری آبخوان چندگانه دشت ورزقان در برابر آلودگی به کمک روش DRASTIC در محیط ArcGIS بررسی شده و بهینه‏سازی روش DRASTIC با استفاده از مدل ANN صورت گرفته است. برای اجرای روش DRASTIC از پارامترهای موثر در ارزیابی آسیب‏پذیری سفره آب زیرزمینی شامل عمق سطح ایستابی، تغذیه خالص، جنس محیط آبخوان، نوع خاک، شیب توپوگرافی، مواد تشکیل دهنده ناحیه غیراشباع و هدایت هیدرولیکی استفاده شده که به صورت هفت لایه جداگانه برای آبخوان آزاد و تحت فشار تهیه و بعد از رتبه دهی و وزن دهی و تلفیق این هفت لایه شاخص DRASTIC محاسبه شد که براساس نتایج به دست آمده شاخص DRASTIC برای آبخوان آزاد 92- 164 و برای آبخوان تحت فشار 48-93 برآورد شد. به منظور بهینه سازی روش DRASTIC، از مدل شبکه عصبی مصنوعی استفاده و به این منظور داده های ورودی )پارامترهای (DRASTIC و خروجی (شاخص آسیب‏پذیری) و مقادیر نیترات مربوط به آن به دو دسته آموزش و آزمایش تقسیم شد و پس از آموزش مدل، با استفاده از مقادیر نیترات نتایج مدل در مرحله آزمایش ارزیابی شد. نتایج نشان داد مدل شبکه عصبی مصنوعی به کار گرفته شده، قابلیت بهبود نتایج روش DRASTICاولیه را دارد. برای صحت‏سنجی نتایج روش کلاسیک و مدل هوش مصنوعی استفاده شده در این پژوهش، از داده های غلظت نیترات و ضریب همبستگی آن با شاخص آسیب‏پذیری در منطقه استفاده شد. مدل ANN با داشتن ضریب تعیین (R2) و شاخص همبستگی (CI) بیشتر نسبت به روش DRASTIC و همچنین توانایی ارزیابی یکپارچه آبخوان چندگانه و حذف خطای نظر کارشناسی اعمال شده در روش کلاسیک، روش بهتری برای ارزیابی آسیب‏پذیری آبخوان چندگانه دشت ورزقان است.