نوع مقاله : مقاله پژوهشی

نویسندگان

• ابراهیم نوحانی ¹
• حمیدرضا باباعلی ²
• رضا دهقانی ³

¹ استادیار، گروه مهندسی عمران، مرکز تحقیقات مواد و انرژی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران.

² دانشیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد خرم آباد، خرم اباد، ایران

³ دکترای علوم ومهندسی آب، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات،

چکیده

تخمین دقیق شوری آب‌های زیرزمینی در مناطق ساحلی دریای خزر به دلیل چالش‌های ناشی از نفوذ آب شور و پیچیدگی تغییرات مکانی-زمانی از اهمیت بالایی برخوردار است. در این مطالعه، از مدل‌های هیبریدی ترکیبی مبتنی بر رگرسیون بردار پشتیبان با الگوریتم‌های بهینه‌سازی پیشرفته شامل موجک ، الگوریتم تفنگدار خلاق و الگوریتم ازدحام ذرات برای پیش‌بینی شوری آب‌های زیرزمینی در منطقه ساحلی دریای خزر استفاده شد. داده‌های مورد استفاده شامل پارامترهای کیفی آب نظیرهیدروژن کربنات (HCO3)، سدیم (Na)، سختی (TH)، مواد جامد محلول در آب(TDS)، منیزیم(Mg)، پتاسیم (K)، میزان اسیدی یا بازی بودن (PH) و کلسیم(Ca) به عنوان ورودی و شوری آب (EC) به‌عنوان پارامتر خروجی طی هشت سناریو ترکیبی از سالهای 1382 تا 1402 از چاه‌ پایش منطقه بود.به منظور ارزیابی عملکرد مدلها از معیارهای ارزیابی ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. نتایج نشان داد سناریو های ترکیبی در مدلهای مورد بررسی باعث بهبود عملکرد مدل می شود. همچنین نتایج حاصل از معیار ارزیابی نشان داد مدل رگرسیون بردار پشتیبان-موجک دارای ضریب همبستگی 985/0 ، ریشه میانگین مربعات خطا (ds/m) 206/0 ، میانگین قدر مطلق خطا (ds/m) 105/0 و ضریب نش ساتکلیف 990/0 در مرحله صحت سنجی برخوردار است. تحلیل حساسیت نیز نشان داد که پارامترهای مواد جامد محلول در آب و سختی آب آب زیرزمینی بیشترین تأثیر را بر دقت پیش‌بینی مدل‌ها دارند. این پژوهش اثربخشی رویکردهای هیبریدی به‌ویژه ترکیب SVR با الگوریتم تفنگدار خلاق را در مدیریت پایدار منابع آب زیرزمینی مناطق ساحلی تأیید می‌کند.

کلیدواژه‌ها

• پیش‌بینی
• دریای خزر
• شوری آب زیرزمینی
• مدل‌سازی هیبریدی

موضوعات

• آبخوان وقنات

عنوان مقاله [English]

Analysis of Groundwater Salinity in the Caspian Sea Coasts Using Meta-Heuristic Algorithms

نویسندگان [English]

• Ebrahim nohani ¹
• hamidreza babaali ²
• reza dehghani ³

¹ Assistant Professor, Department of Civil Engineering, Materials and Energy Research Center, Dez.C., Islamic Azad University, Dezful, Iran.

² Associate Professor, Department of Civil Engineering, Islamic Azad University, Khorramabad branch, Khorramabad, Iran

³ PhD in Water Sciences and Engineering, PhD in Water Sciences and Engineering, Soil Conservation and Watershed Management Research Department, Lorestan Agriculture and Natural Resources Research and Education Center, AREEO, Khorramabad, Iran

چکیده [English]

Accurate estimation of groundwater salinity in the coastal areas of the Caspian Sea is of great importance due to challenges such as saltwater intrusion and spatiotemporal complexity. In this study, hybrid models based on support vector regression (SVR) combined with advanced optimization algorithms, including wavelet transform, algorithm of innovative gunner (AIG), and particle swarm optimization (PSO), were used to predict groundwater salinity in the coastal region of the Caspian Sea. The data included water quality parameters such as bicarbonate (HCO₃), sodium (Na), total hardness (TH), total dissolved solids (TDS), magnesium (Mg), potassium (K), pH, and calcium (Ca) as inputs, and electrical conductivity (EC) as the output parameter. The data were collected from monitoring wells in the region over a period from 2003 to 2023, using eight combined scenarios. To evaluate the performance of the models, correlation coefficient (R), root mean square error (RMSE), mean absolute error (MAE), and Nash-Sutcliffe coefficient (NSE) were used. The results showed that combined scenarios in the studied models improved their performance. The evaluation metrics also indicated that the support vector regression-wavelet (SVR-Wavelet) model achieved a correlation coefficient of 0.985, RMSE of 0.206 dS/m, MAE of 0.105 dS/m, and NSE of 0.990 in the validation phase. Sensitivity analysis revealed that TDS and total hardness (TH) had the most significant impact on the prediction accuracy of the models. This study confirms the effectiveness of hybrid approaches, particularly the combination of SVR with the cultural algorithm, for sustainable management of groundwater resources in coastal areas.

کلیدواژه‌ها [English]

• Prediction
• Caspian Sea
• Groundwater Salinity
• Hybrid Modeling