نوع مقاله : مقاله پژوهشی
نویسندگان
1 کارشناس ارشد آبخیزداری، دانشکدة منابع طبیعی و علوم زمین، دانشگاه کاشان
2 استادیار دانشکدة منابع طبیعی و علوم زمین، دانشگاه کاشان
3 استادیار گروه عمران، دانشکدة مهندسی، دانشگاه کاشان
4 دانشیار دانشکدة علوم و فنون نوین، دانشگاه تهران
چکیده
مجاورت آبخوان کاشان با جبهة آب شور دریاچة نمک به پیشروی آب شور به داخل آبخوان منجر شده است. در این پژوهش، با توجه به وضعیت موجود، شبیه‌سازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدلهای شبکة عصبی مصنوعی انجام شد. بدین منظور، نخست به تعیین تیپ غالب آب منطقه پرداخته شد. سپس، اقدام به مدلسازی شد. نتایج حاصل از بررسی تیپ آب به وسیلة نمودار پایپر نشان داد که کلرور- سدیم تیپِ غالب آب منطقه است. بنابراین، در مدلسازیها متغیرهای ورودی مدل شامل تراز سطح ایستابی، ارتفاع بارندگی سالیانه، و غلظت کلر در سال قبل و متغیر خروجی مدل غلظت کلر در سال جاری بوده است. نتایج نشان داد مدل MLP نسبت به مدل RBF نتیجة بهتری در پیشبینی غلظت کلر داشته است. نتایج حاصل از آنالیز حساسیت نشان داد غلظت کلر و تراز سطح ایستابی در سال قبل به‌ترتیب مهمترین تأثیر را در نتایج شبیه‌سازی غلظت کلر سال جاری داشته‌اند.
کلیدواژه‌ها
عنوان مقاله [English]
Artificial Neural Network (ANN) Model for Ground Water Quality Simulation (Case study: Kashan aquifer)
نویسندگان [English]
- mohammad mirzavand 1
- Hoda ghasemieh 2
- mahmud akbari 3
- seyed javad sadatinejad 4
1 M.Sc. Former Student of Watershed Management, College of Natural Resources and Geoscience, University of Kashan
2 Assistant professor, College of Natural Resources and Geoscience, University of Kashan
3 4 Assistant professor, College of civil engineering, University of Kashan
4 associate professor, College of new sciences and technologies, University of Tehran
چکیده [English]
Kashan aquifer is adjacent to Salt Lake. Because of this adjacency, the saline water of the lake has moved to the aquifer. In this study groundwater quality of the aquifer was simulated using Artificial Neural Network (ANN) model. For this purpose, the dominant ion of water was first determined by Piper diagram. Results showed that the sodium chloride is the dominant ion of water and so it was selected as the target variable to be simulated So the output variable of the ANN model was the concentration of sodium chloride in current year while the input variables were the water table of groundwater, yearly rainfall and the concentration of sodium chloride in previous year. Result showed that Multilayer Perceptron ANN model has better result in predict of chlorine concentration compared to Radial Basis ANN model. The sensitivity analysis showed that concentration of chloride in previous year and water table of groundwater are the most important variables in the ANN model respectively.
کلیدواژه‌ها [English]
- Water quality
- Artificial Neural Network
- Kashan Aquifer
- Sodium- Chloride
)