شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ANN) در سواحل استان مازندران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی‌ارشد آبخیزداری دانشگاه مازندران

2 استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی دانشگاه گیلان

3 دانشجوی دکتری برنامه ریزی شهری، کارشناس ارشد GIS

چکیده

چکیده
امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف  هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد.  در این تحقیق از  شبکه عصبی مصنوعی (ANN) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین جهت اطلاعات مربوط به آزمایش های کیفی آب در سواحل جنوبی دریای مازندران  گردآوری شد و  مقادیر کمی عوامل مؤثر در شوری آب زیر زمینی شامل: قابلیت انتقال تشکیلات آبخوان، شوری
آب های سطحی، توپوگرافی منطقه و فاصله از دریا برآورد گردید. عملکرد شبکه عصبی از طریق پارامتر هایی چون جذر میانگین مربع خطا (RMSE) و ضریب همبستگی بین خروجی های حقیقی و شبیه سازی شده (R) سنجیده شد. نتایج تحقیق نشان داد که در بهترین ساختار شبکه، ضریب همبستگی بین مقادیر شبیه سازی شده و مقادیر واقعی 75/0 می باشد. همچنین، عوامل شوری آب سطحی، قابلیت انتقال تشکیلات آبخوان (بافت و نوع تشکیلات) و فاصله از دریا،  بهترین ورودی ها  برای شبیه سازی شوری آب زیر زمینی و عوامل اصلی شوری آب زیر زمینی  در سواحل استان مازندران می باشند.
 
 

کلیدواژه‌ها


عنوان مقاله [English]

Simulation of Ground Water Salinity by Using Artificial Neural Network(ANN) on the Mazandaran province coasts

نویسندگان [English]

  • Zahra Dervari 1
  • vahid Gholami 2
  • Shahram Derakhshan 3
1 Ms of Watershed Management, University of Mazandaran.
2 Assistant Professor, University of Guilan, Department of Range and Watershed Management.
3 PhD Student of Urban Planning
چکیده [English]

    Groundwater is one of the most important water resources and its qualitative study is very important for water resources protection and planning. Also, qualitative parameters measuring of the ground water is costly and time consumer. Models will be reduced the cost of water qualitative estimations and it will be provided a data bank to manage water resources. In this study, Artificial Neural Network (ANN) has been used to simulate ground water salinity on the Caspian southern coasts (MazandaranProvince). So, a comprehensive data bank of water qualitative experiments has been provided and then quantitative values of the effective factors on ground water salinity, such as: Water conductivity of aquifer formation, surface water salinity, slope and elevation (topography) and the distance from Caspian Sea were estimated. The efficiency of   Artificial Neural Network (ANN)  has been considered through two parameters: Median Root of Square of the Error (RMSE) and co efficiency between the actual and desirable outputs (R).  The results showed that co efficiency between the actual and desirable outputs (R) is 0.75 in the best network structure. surface water salinity, water conductivity of aquifer formation and distance from Sea are the best inputs for simulating ground water salinity and those are the most important factors on ground water salinity in  Mazandaran Province Coasts.
 

کلیدواژه‌ها [English]

  • Ground water salinity
  • ANN
  • Mazandaran