نشریه مهندسی اکوسیستم بیابان

مدل­سازی مناسب کیفیت آب­زیرزمینی از ابزارهای مهم برنامه­ریزی و تصمیم­گیری در مدیریت منابع آب است. در این مطالعه به منظور مدلسازی تغییرات متغیرهای کیفی آب­زیرزمینی دشت گرو از داده­های 14 چاه در  دوره آماری (1388 تا 1395) استفاده شد. متغیرهای Na، Mg، Ca،SO₄، Cl و  HCO₃به عنوان متغیر مستقل و EC، SAR، TDS و TH به عنوان متغیر وابسته در نظر گرفته شد. از روش­های ماشین بردار پشتیبان، شبکه عصبی مصنوعی و شبکه عصبی-فازی تطبیقی برای مدل­سازی متغیرهای کیفی آب­زیرزمینی استفاده شد. به منظور تخمین کیفیت آب­زیرزمینی کل داده­ها به صورت تصادفی به دو دسته آموزشی (80 درصد کل داده­ها) و آزمایشی (20 درصد کل داده­ها) تقسیم شد. نتایج حاصل از مدل­سازی متغیرهای کیفی آب­زیرزمینی در دشت گرو نشان داد که شبکه عصبی-فازی تطبیقی در متغیرهای EC (99/0=R²، 13/109= RMSE و 99/0 =CE)، SAR (98/0=R²، 28/0= RMSE و 98/0 =CE) و TH (99/0=R²، 49/0= RMSE و 99/0 =CE) نسبت به دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان عملکرد بهتری دارد و در متغیر TDS مدل شبکه عصبی مصنوعی (99/0=R²، 13/109= RMSE و 99/0 =CE) نسبت به دو مدل دیگر کارایی بهتری داشته است. به منظور پهنه­بندی تغییرات کیفیت آب­زیرزمینی از مدل­های انتخاب شده بر اساس دو طبقه­بندی کیفیت آب شرب شولر و کشاورزی ویلکوکس استفاده گردید. نتایج حاصل از پهنه­بندی براساس طبقه­بندی آب شولر نشان داد که متغیر TDS داری سه طبقه نامناسب (1/21%)، بد (59/74%) و غیرقابل شرب (31/4%) و متغیرTH  دارای 4 طبقه خوب (85/0%)، قابل قبول (48/23%)، نامناسب (55/67%) و بد (12/8%) می­باشد. نتایج پهنه­بندی بر اساس طبقه­بندی ویلکوکس نیز نشان داد که متغیر EC داری سه طبقه عالی (41/9%)، خوب (79/89%) و متوسط (8/0%) و متغیر SAR دارای دو طبقه عالی (19%) و خوب (81%) می­باشد.