توسعه مدل DRASTIC با استفاده از هوش مصنوعی در پتانسیل آلودگی آبخوان مناطق نیمه‌خشک

چکیده مقاله

به دلیل رشد اقتصادی سریع و بهره‌برداری بیش از حد از آب‌های زیرزمینی، آلودگی نیترات در آب‌های زیرزمینی بسیار جدی شده ‌است. هدف اصلی این مطالعه توسعه مدل DRASTIC برای شناسایی آسیب‌پذیری آب‌های زیرزمینی در برابر آلودگی نیترات است. لذا مدل استاندارد DRASTIC با در نظر گرفتن عامل کاربری اراضی (مدل DRASTIC-LU) ‏برای به نمایش گذاشتن آسیب‌پذیری آب‌های زیرزمینی ارائه شد. نوآوری تحقیق حاضر توسعه مدل‌های DRASTIC و DRASTIC-LU توسط ماشین بردار پشتیبان (SVM) ‏به منظور جلوگیری از خطای روش‌های همپوشانی و شاخص می‌باشد. جهت پیاده‌سازی و اعتبار سنجی مدل‌ها 21 نمونه چاه مشاهداتی در آبخوان دشت بیرجند جمع‌آوری شدند. مقادیر RMSE مربوط به مدل‌های DRASTIC، DRASTIC-LU، DRASTIC+SVM و DRASTIC-LU+SVM به ترتیب برابر با 821/0، 743/0، 612/0 و 490/0 محاسبه شدند که مشخص گردید مدل‌های ترکیبی با استفاده از SVM همبستگی بهتری را بین مقدار آسیب‌پذیری و آلودگی نیترات نشان می‌دهد. هم‌چنین مشخص شد که مدل DRASTIC-LU+SVM برای ارزیابی آسیب‌پذیری آب‌های زیرزمینی در برابر نیترات دقت بالاتری را دارد.