جمیل امان اللهی

زمینه و هدف: شناسایی آب های زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدل سازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه می تواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روش ها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه های مجوزدار شهرستان سنندج 35 چاه با در نظر گرفتن حوضه آبریز، پراکندگی مناسب و ساختار زمین شناختی متفاوت انتخاب شدند. نمونه های آب هر چاه در ظرف های پلی اتیلنی و در دمای 4 درجه سانتی گراد و نمونه های خاک از عمق 20-0 سانتی-متری خاک سطحی بالادست چاه ها به صورت مرکب جمع آوری و به آزمایشگاه منتقل شدند. در آزمایشگاه غلظت آرسنیک نمونه های آب با دستگاه جذب اتمی به روش کوره انداز ه گیری گردید. ویژگی های فیزیکی و شیمیای خاک شامل: آرسنیک، آرسنات، آرسنیت، فسفات، نیترات، آهن کل، آهن بی شکل، منگنز کل، منگنز بی شکل، درصد رس، درصد شن، درصد سیلت، ماده آلی خاک،pH و CEC اندازه گیری شدند. در ادامه دقت مدل های رگرسیون چندگانه و شبکه عصبی مصنوعی برای بررسی رابطه بین پارامترهای ذکر شده خاک و آرسنیک موجود درآب مورد آزمون قرار گرفت. یافته ها: نتایج نشان داد که غلضت آرسنیک آب های زیرزمینی منطقه کمتر از حد استاندارد است که این می تواند به دلیل بالا بودن غلظت آرسنات خاک های منطقه نسبت به آرسنیت و افزایش ظرفیت تبادل کاتیونی خاک تحت تأثیر ذرات رس، ماده آلی و اکسیدهای آزاد آهن باشد. نتیجه گیری: مقایسه ی دقت مدل ها نیز نشان داد که مدل شبکه عصبی با 835/0R= و 156/0RMSE= و 118/0MAE= در مرحله آموزش و 816/0R= و 177/0RMSE= و 158/0MAE= در مرحله آزمون دارایی دقت بیشتر و خطای کمتری در برآورد آلودگی آرسنیک آب های زیرزمینی نسبت به مدل رگرسیون خطی چندگانه است