فاطمه کاردل

ارزیابی کیفی آب‌های ساحلی که تحت تاثیر شوری آب دریا قرار می‌گیرند را می‌توان با استفاده از پارامتر کلراید موجود در آب زیرزمینی انجام داد. با این حال، ویژگی‌های هیدروژئولوژیکی پیچیده باعث می‌شود تا پیش‌بینی دقیق غلظت کلراید در آبخوان آبرفتی آزاد با مشکل مواجه شود. این تحقیق یک روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) را جهت پیش‌بینی دقیق غلظت کلراید آب زیرزمینی دشت ساری پیشنهاد می‌دهد. SAICM با ترکیب غیرخطی مدل‌های هوش مصنوعی، غلظت کلراید را به عنوان خروجی مدل پیش‌بینی می‌کند. در این تحقیق از روش آنالیز مولفه‌های اصلی (PCA)، جهت شناسایی پارامترهای هیدروشیمیایی موثر مرتبط با غلظت کلراید به عنوان مولفه‌های ورودی به مدل‌های هوش مصنوعی استفاده شده است. بر اساس نتایج حاصل از PCA، پارامترهای (Na, K, EC, TDS, SAR)، به عنوان مولفه‌های ورودی مدل‌های هوش مصنوعی انتخاب گردید. در ابتدا چهار مدل هوش مصنوعی، منطق فازی سوگنو، منطق فازی ممدانی، منطق فازی لارسن و شبکه عصبی مصنوعی جهت پیش‌بینی غلظت کلراید طراحی گردید. بر اساس نتایج حاصل از مدلسازی، تمامی مدل‌ها برازش مناسبی با داده‌های کلراید در دشت ساری نشان داده اند. سپس مدل ترکیبی SAICM ساخته شد که نتایج حاصل از پیش‌بینی 4 مدل AI جداگانه را با استفاده از ترکیب کننده غیرخطی ANNترکیب نموده و غلظت کلراید را با دقت بیشتری تعیین می‌کند. نتایج نشان می‌دهد مدل ماشین مرکب پیشنهاد شده SAICM می‌تواند غلظت کلراید را با دقت بسیار بالاتری نسبت به روش‌های جداگانه، تخمین بزند.