هادی ثانی خانی

آب‌های زیرزمینی از مهم‌ترین منابع آب شیرین مورد استفاده می‌باشند. این منابع در حال حاضر با چالش‌های جدی کمی و کیفی مواجه هستند. آب‌های زیرزمینی اغلب منبع اصلی تأمین آب بوده که این مسأله منجر به بهره‌برداری بیش از حد از سفره‌های زیرزمینی شده و نتیجه آن کاهش کمیت و کیفیت آب‌های زیرزمینی بوده است. مسأله کاهش کیفیت آب، بسیاری از کشورهای جهان را وادار ساخته تا دیدگاه‌های خود را در زمینه مدیریت منابع آب مورد بازبینی و تجدید نظر قرار دهند. هدف از تحقیق حاضر مدل‌سازی کیفی منابع آب زیرزمینی دشت دهگلان با استفاده از چهار تکنیک داده‌محور مختلف شامل شبکه عصبی مصنوعی، برنامه‌ریزی بیان ژن، مدل درخت تصمیم و جنگل تصادفی برای پیش‌بینی دو پارامتر هدایت الکتریکی (EC) و کل جامدات محلول در آب (TDS) می‌باشد. در این راستا از متغیر‌های نیترات (NO3)، بی‌کربنات (HCO3)، کلر (CL)، سولفات (SO4)، کلسیم (Ca)، منیزیم (Mg)، سدیم (Na)، پتاسیم (K)، اسیدی یا بازی (PH)، برای داده‌های ورودی استفاده می‌شوند که براساس پوشش حداکثر تعداد داده‌ها و کمترین خلاء آماری با دوره آماری 15 ساله موجود می‌باشند. نتایج تحقیق نشان داد که همه مدل‌های استفاده شده در این تحقیق پیش بینی خوبی از پارامترهای EC و TDS از خود نشان دادند. بهترین مدل پیش بینی برای پارامتر EC و TDS، به ترتیب سناریوی M2 شبکه عصبی مصنوعی با مقدار RMSE=25.871 و سناریوی N6 شبکه عصبی با مقدار RMSE=18.671 بود. همچنین نتایج تحقیق حاکی از برتری روش شواهد توابع وزنی نسبت به کریجینگ برای پهنه‌بندی مکانی دو پارامتر EC و TDS بود.