شبیه سازی آلودگی نیترات در آبخوان کرج با استفاده از مدل شبکه عصبی

امروزه، نیترات یکی از رایج ترین انواع آلودگی بوده که از منابع مختلف شهری، صنعتی و کشاورزی وارد منابع آب زیرزمینی می گردد. در این تحقیق، از شبکه های عصبی به عنوان ابزاری مبتنی بر داده وکاملا انعطاف پذیر در شبیه سازی تغییرات غلظت نیترات در آبخوان کرج استفاده شده است . در این راستا، آبخوان دشت کرج به ١٣ زون بر مبنای شبکه پایش هیدرومتری تقسیم گردیده است. شبیه سازی بر اساس نمونه های مشاهداتی از چاه های شرب آبخوان کرج، در طی سال های ٨١ تا ٨٤ صورت پذیرفته و بازه زمانی مدلسازی فصلی انتخاب شده است. تخمین زننده های مدل، غلظت نیترات در فصل قبل ، ضخامت لایه اشباع، میزان برداشت از چاه های بهره برداری در فصل هدف و فصل قبل، تغییرات افت سطح آب و مختصات جغرافیا یی هر زون در نظر گرفته شده اند. به عنوان تخمین زننده های مدل در نظر گرفته شده اند. ابتدا مدل شبیه سازی هر فصل به طور مجزا تدوین شده و سپس یک مدل واحد برای کلیه فصول توسعه داده شده است . نتایج تحقیق نشان می دهد، تخمین تغییرات غلظت نیترات در فصل تابستان دارای بیشترین دقت در مرحله صحت سنجی (شاخص کارایی 0/7475=R2) در میان سایر فصول بوده و پس از آن فصل های پاییز، زمستان و بهار به ترتیب دارای شاخص های کارایی 0/6335 ، 0/6248 و 0/5015 می باشند. شاخص کارائی مدل پیشنهادی برای کلیه فصول نیز در مرحله صحت سنجی برابر 0/616 بوده که دلالت بر کارائی مناسب این مدل برای شبیه سازی غلظت نیترات دارد.