ناصر گنجی خرم دل (مرحوم)

مقدمه: آب زیرزمینی یکی از منابع مهم تأمین آب شیرین جهت استفاده در قسمت های مختلف از جمله شرب، صنعت و کشاورزی می باشد. لذا آگاهی از وضعیت کیفی آب زیرزمینی گامی مهم در شناسایی منابع آلوده کننده به منظور اعمال برنامه های صحیح مدیریتی می باشد. در این تحقیق نیز به بررسی تغییرات مکانی و زمانی دو پارامتر کیفی آب زیرزمینی شامل هدایت الکتریکی و اسیدیته در دشت اراک- فراهان پرداخته شد و نقشه های پهنه بندی تهیه گردید. بدین منظور از تحلیل گر زمین آمار با استفاده از سیستم اطلاعات جغرافیایی و نیز شبکه عصبی- موجک به صورت مقایسه ای استفاده شد. مواد و روش ها: در این تحقیق از داده های 33 چاه مشاهده ای در فصول بهار و پاییز سال های 1388 و 1392 استفاده شده است که از شرکت سهامی آب منطقه ای مرکزی جمع آوری شد. در بخش زمین آمار برای بررسی تغییرات کیفی از دو روش کریجینگ و کوکریجینگ استفاده شد و در بخش شبکه عصبی نیز ابتدا موجک های Haar، db2، db4، Sym2، Sym4، Coif2، Coif4، Bior1.1، Bior1.5، Rbio1.1، Rbio1.5 به داده ها برازش داده شد و سپس مدل سازی بر اساس شبکه پرسپترون چند لایه بر روی انواع داده های موجک یافته پیاده شد. نتایج: به منظور انتخاب مناسب ترین مدل، از شاخص های ارزیابی میانگین مجذور مربعات خطا، میانگین خطای انحراف، میانگین خطای مطلق و ضریب هم بستگی استفاده شد. نتایج نشان داد که در روش زمین آمار، روش کریجینگ معمولی با مدل کروی و گوسی و روش کوکریجینگ با مدل کروی برای پارامتر EC و روش کریجینگ معمولی با مدل کروی و نمایی کوکریجینگ با مدل گوسی برای پارامتر pH عمکلرد بهتری دارند. همچنین در مدل شبکه عصبی، موجک های Sym2، Sym4 وCoif4 برای پارامتر EC و موجک های Haar، Sym4 و Coif2 برای پارامتر pH از دقت بیشتری برخوردار هستند. با مقایسه دو روش اعمال شده، نتایج نشان داد که شبکه عصبی- موجک با دقت بیشتری می تواند به پیش بینی تغییرات کیفی بپردازد. بحث: با توجه به نتایج حاصل از روش های ارزیابی متقابل و پس از تهیه نقشه های پهنه بندی این نتیجه حاصل شد که پارامترهای مورد استفاده در مدل شبکه عصبی- موجک تأثیر بیش تری بر روی پارامترهای هدایت الکتریکی و اسیدیته داشته و پیش بینی با استفاده از مدل شبکه عصبی- موجک دقیق تر بوده است.