حجت رحیمی

ورود مواد شیمیایی آلی به محیط زیست ممکن است در اثر تصادف، اشتباه و یاغفلت صورت گیرد. مواد سوختی نظیر نفت، روغن، گازوئیل و . . . از جمله ترکیبات آلی هستند که در اثر تصادف یا غفلت وارد آبهای زیرزمینی شده و حجم زیادی از آب را آلوده می کنند. هدف از این تحقیق استفاده از شبکه های عصبی مصنوعی جهت بررسی انتقال و حجم آلودگیهای سوختی در آبهای زیرزمینی می باشد. در این تحقیق از شبکه عصبی پرسپترون چند لایه با الگوریتم آموزشی پس انتشار خطا جهت مدل سازی استفاده شده و از میان پارامترهای مختلف حساسترین پارامترها جهت مدلهای شبکه برگزیده شده است. آنچه مسلم است مزیت این روش نسبت به روشهای تحلیلی انتقال آلودگی می باشد، که از جمله آن میتوان به استفاده از پارامترهای کمتر و همچنین همگرایی سریعتر اشاره نمود. روش کار به این صورت می باشد که مدل سازی با استفاده از داده های مدل تحلیلی (mod flow) صورت گرفته و مدل شبکه عصبی شبیه سازی شده، سپس داده های جدید جهت مدل شبکه عصبی انتخاب و با مدلهای تحلیلی مقایسه شده است. با توجه به نتایج ارائه شده میتوان گفت شبکه عصبی مصنوعی از کارایی بالایی در شبیه سازی پخش و انتقال آلودگی در آبهای زیرزمینی برخوردار است.

شبکه عصبی مصنوعی، پرسپترون چند لایه، محیط زیست، آلودگی سوختی، آبهای زیرزمینی