مقایسه مدل‌‌‌‌‌‌‌‌های بهینه شبکه عصبی مصنوعی برای شبیه‌سازی نیترات آب زیرزمینی (مطالعه موردی: دشت بهبهان)
الموضوعات :عاطفه صیادی شهرکی 1 , فهیمه صیادی شهرکی 2 , بیژن حقیقتی 3
1 - سازمان
2 - دانشگاه آزاد اسلامی استان تهران واحد شهر قدس
3 - سازمان تحقیقات، آموزش و ترویج کشاورزی شهرکرد
الکلمات المفتاحية: الگوریتم بهینه‌سازی تجمع ذرات, الگوریتم ژنتیک, شبکه عصبی مصنوعی, شبیه‌سازی, نیترات.,
ملخص المقالة :
آب‌های زیرزمینی در مناطق خشک و نیمه‌خشک مهم‌ترین منبع آب مورد استفاده برای مصارف شرب و کشاورزی به‌شمار می‌آیند. به همین دلیل توجه به کیفیت آن‌ها اهمیت دارد. نیترات یکی از آلوده‌کننده‌های منابع آب زیرزمینی است که توسط فعالیت‌های کشاورزی و فاضلاب تولید می‌شود. با توجه به اینکه اندازه‌گیری نیترات توسط روش‌های صحرایی و نمونه‌برداری بسیار پرهزینه و محدود است، استفاده از روش‌های نوین پیش‌بینی مانند شبکه‌های عصبی مصنوعی می‌تواند ابزار مفیدی برای این کار به شمار رود. استفاده از شبکه‌های عصبی مصنوعی در مطالعات هیدرولوژیکی دهه اخیر، نشان می‌دهد این مدل‌ها توانایی بالائی در کشف رابطه بین داده‌ها و شناخت الگوها دارند. در این پژوهش شبکه عصبی مصنوعی در ترکیب با الگوریتم PSO و نیز GA برای شبیه سازی میزان نیترات آب‌های زیرزمینی دشت بهبهان مورد ارزیابی قرار گرفته و عملکرد بسیار مناسبی را از خود نمایش می‌دهند.
1. Clark, I. and Fritz, P. 1997. Environmental Isotopes in Hydrogeology. 1st Edition. CRC Press. P. 300-342.
2. Khodaei, K., Mohammadzadeh, H., Naseri, H.R. and Shahsavari, A.A. 2012. Investigating nitrate pollution in the Dezful-Andimeshk plain and determining the source of pollution using N15 and O18 isotopes. Iranian Geology Quarterly, 22: 93-111. (presian)
3. Keeney D. 1986 Aug.11-13. Nitrate in ground water: Agricultural contribution and control. Proceedings of the Agricultural Impacts on Ground Water Conference. p. 329-351.
4. Goulding, K. 2000. Nitrate leaching from arable and horticultural land. Soil Use and Management. 16 (1): 145–151.
5. U.S. EPA. Drinking water standards. U.S. EPA. 816-F-00- 995. 1995. Pp. 4.
6. Najah, A., Elshafie, A., Karim, OA. and Jaffar, O. 2003. Prediction of Johor river water quality parameters using artificial neural networks. European Journal of Scientific Research. 2009; 28 (3):422-435.
7. Asadollahfardi, A., Taklifi Gh. and Ghanbari A. 2012. Application of artificial neural network to predict TDS in Talkheh Rud River. Journal of Irrigation and Drainage Engineering. 138(4):363–370.
8. Musavi-Jahromi, SH. and Golabi M. 2008. Application of artificial neural networks in the river water quality modeling: Karoon river, Journal of Applied Sciences. 8 (12):2324-2328.
9. Ramasamy, N., Krishnan, P., Bemard, J. and Ritter, W. 2003. Modeling Nitrate Concentration in Ground Water Using Regression and Neural Networks. FREC Research Reports. Department of Food and Resource Economics University of Delaware.
10. Yesilnacar,M.I., Sahinkaya E., Naz M. and Ozkaya B. 2008. Neural network prediction of nitrate in groundwater of Harran Plain, Turkey. Environ Geol. 56:19–25.
11. Banejad, H., Kamali, Mahsa., Amirmoradi, Kimia. and Olyaie, F. (2013). Forecasting Some of the Qualitative Parameters of Rivers Using Wavelet Artificial Neural Network Hybrid (W-ANN) Model (Case of study: Jajroud River of Tehran and Gharaso River of Kermanshah). Journal Health & Environ, 6(3), 277-294. (persian)
12. Mirzavand, M., Sadati Nrjad, M. and Akbari, M. (2015). Simulation Changes in groundwater quality with artificial neural network model (Case study: Kashan aquifer). Iranian Journal of Natural Resources, 68 (1), 159-171. (persian)
13. Shiri, J., and Kisi, O. 2011. Comparison of genetic programming with neurofuzzy systems for predicting short-term water table depth fluctuations. Comput. Geosci. 37 (10): 1692-1701.
14. Traore, S. and Guven, A. 2012. Regional-specific numerical models of evapotranspiration using gene-expression programming interface in Sahel. Water Resour. Manag. 26 (15): 4367-4380.
15. Moashrei, S.A., Tabatabaie, S.M., Razaghi, P., Sarani, N., and Eslami Mahdi Abadi, S.H. (2012). “Estimating the groundwater nitrate by using artificial neural network and optimizing it by genetic algorithm.” Proc. Environment and Civil Engineering, Kuala Lumpur, Malaysia, 85-92.
16. Stuart, M.E., Gooddy, D.C., Bloomfield, J.P. and Williams, A.T. 2011. A review of the impact of climate change on future nitrate concentrations in groundwater of the UK. Science of the Total Environment. 409 (15): 2859-2873.
17. Sayadi Shahraki, A., Naseri, A.A. and Soltani Mohammadi, A. 2020. Simulation of hydraulic head using Particle Swarm Optimization Algorithm and Genetic Algorithm. (Case study: Debal khazaie sugarcane plantation). Journal of Water Resources Engineering. 12 (43): 14-24. (In Persian with English abstract).
18. Eberhart, R. and Shi Y. 16-19 Jul 2000. Comparing inertia weights and constriction factors in particle swarm, in: Proceedings of the Congress on Evolutionary Computation, La Jolla. p. 84–88.
19. Goldberg, D.E. 1989. Genetic Algorithms in Search Optimization and Machine Learning. Addison-Wesley. 1st Edition. p. 1-77.
20. Dayhoff, J. E. 1990. Neural Network Principles. Prentice-Hall International, U.S.A.
21. Khanna, T. 1990. Foundation of neural networks. Addison-Wesley Publishing Company, U.S.A.
22. Iranian National Standard No. 1053: 1376, physical and chemical characteristics of drinking water. (presian)
23. Saha, L.C. and Kumar, S. 1990. Comparative quality of potable waters at Bhagalpur. India Acta Hydrochim Hydrobiol. 18(4):459–467.
24. Hamilton, P. A. and Helsel, D.R. 1995. Effects of agriculture on groundwater quality in five regions of the United States, Ground Water. 33(6):217–226.
25. Alighadri, M., Hazrati, S., Sakhaeizadeh, A. and Soleimanpour, M. 2011. Nitrate concentration measurement in Ardabil drinking water supply sources and distribution network, Ardabil Health and Health Journal, 2 (2): 69-75. (presian)
26. Yazdanbakhsh, A.R., Mohammadi, H., Sheikhmohammadi, A., Bonyadinejad, R. and Ghanbari, Gh. 2009. Investigating the concentration of nitrite and nitrate in the drinking water of Tehran in the areas covered by Shahid Beheshti University of Medical Sciences, the 12th Iran Environmental Health Conference. Shahid Beheshti University of Medical Sciences. (presian)
27. Fazeli, M., Kalantari, N., Rahimi, M.H. and Khoubyari, A. 2011. Investigating the temporal and spatial distribution of Nitrate contamination of underground water sources in the Zidon Plain, Water Resources Engineering Journal, 4: 45-51. (presian)
