پیش بینی غلظت کلراید آب زیرزمینی با استفاده از روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) (مطالعه موردی: دشت ساری)

ارزیابی کیفی آب های ساحلی که تحت تاثیر شوری آب دریا قرار می گیرند را می توان با استفاده از پارامتر کلراید موجود در آب زیرزمینی انجام داد. این تحقیق یک روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) را جهت پیش بینی دقیق غلظت کلراید آب زیرزمینی دشت ساری پیشنهاد می دهد. SAICM با ترکیب غیرخطی مدل های هوش مصنوعی، غلظت کلراید را به عنوان خروجی مدل پیش بینی می کند. در این تحقیق از روش آنالیز مولفه های اصلی (PCA)، جهت شناسایی پارامترهای هیدروشیمیایی موثر مرتبط با غلظت کلراید به عنوان مولفه های ورودی به مدل های هوش مصنوعی استفاده شده است. بر اساس نتایج حاصل از PCA، پارامترهای (Na, K, EC, TDS, SAR)، به عنوان مولفه های ورودی مدل های هوش مصنوعی انتخاب گردید. در ابتدا چهار مدل هوش مصنوعی، منطق فازی سوگنو، منطق فازی ممدانی، منطق فازی لارسن و شبکه عصبی مصنوعی جهت پیش بینی غلظت کلراید طراحی گردید. بر اساس نتایج حاصل از مدل سازی، تمامی مدل ها برازش مناسبی با داده های کلراید در دشت ساری نشان داده اند. سپس مدل ترکیبی SAICM ساخته شد که نتایج حاصل از پیش بینی ۴ مدل AI جداگانه را با استفاده از ترکیب کننده غیرخطی ANN ، ترکیب نموده و غلظت کلراید را با دقت بیشتری تعیین می کند. نتایج نشان می دهد مدل ماشین مرکب پیشنهاد شده SAICM می تواند غلظت کلراید را با دقت بسیار بالاتری نسبت به روش های جداگانه، تخمین بزند.

کلیدواژه ها:

artificial neural network ، committee machine ، fuzzy logic ، ground water quality ، principal component analysis. ، شبکه عصبی مصنوعی ، ماشین مرکب ، منطق فازی ، کیفیت آب زیرزمینی ، آنالیز مولفه های اصلی.