آمار

تعداد نشریات15
تعداد شماره‌ها239
تعداد مقالات2,433
تعداد مشاهده مقاله4,079,183
تعداد دریافت فایل اصل مقاله2,965,720
مینائی, مژده, آقامحمدی, حسین, وحیدنیا, محمدحسن, نشاط, امین رضا, بهزادی, سعید. (1405). مدل‌سازی ارتباط بین آلاینده‌های آب زیرزمینی با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS)(مطالعه موردی استان مرکزی). فناوری آموزش, (), -. doi: 10.22061/jrsgr.2026.113229.1132
مژده مینائی; حسین آقامحمدی; محمدحسن وحیدنیا; امین رضا نشاط; سعید بهزادی. "مدل‌سازی ارتباط بین آلاینده‌های آب زیرزمینی با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS)(مطالعه موردی استان مرکزی)". فناوری آموزش, , , 1405, -. doi: 10.22061/jrsgr.2026.113229.1132
مینائی, مژده, آقامحمدی, حسین, وحیدنیا, محمدحسن, نشاط, امین رضا, بهزادی, سعید. (1405). 'مدل‌سازی ارتباط بین آلاینده‌های آب زیرزمینی با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS)(مطالعه موردی استان مرکزی)', فناوری آموزش, (), pp. -. doi: 10.22061/jrsgr.2026.113229.1132
مینائی, مژده, آقامحمدی, حسین, وحیدنیا, محمدحسن, نشاط, امین رضا, بهزادی, سعید. مدل‌سازی ارتباط بین آلاینده‌های آب زیرزمینی با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS)(مطالعه موردی استان مرکزی). فناوری آموزش, 1405; (): -. doi: 10.22061/jrsgr.2026.113229.1132

مدل‌سازی ارتباط بین آلاینده‌های آب زیرزمینی با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (ANFIS)(مطالعه موردی استان مرکزی)

پژوهش های سنجش از دور و اطلاعات مکانی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 22 تیر 1405
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/jrsgr.2026.113229.1132
نویسندگان
مژده مینائی1؛ حسین آقامحمدی* 2؛ محمدحسن وحیدنیا3؛ امین رضا نشاط1؛ سعید بهزادی4
1گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3گروه مطالعات سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران
4گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
تاریخ دریافت: 27 آبان 1404،  تاریخ بازنگری: 27 اردیبهشت 1405،  تاریخ پذیرش: 22 تیر 1405 
چکیده
پیشینه و اهداف: آب‌های زیرزمینی منبع حیاتی تأمین آب در مناطق خشک ایران هستند. افزایش جمعیت و گسترش کشاورزی و صنعت، وابستگی به این منابع را افزایش داده است. افت کیفیت آب ناشی از آلاینده‌هایی مانند سدیم، سولفات و TDS به چالشی اساسی تبدیل شده است. این پژوهش با هدف مدل‌سازی روابط بین این آلاینده‌ها در استان مرکزی با استفاده از ANFIS انجام شد.

روش‌ها: داده‌های سدیم، سولفات و TDS برای سال‌های ۱۳۹۶، ۱۳۹۹ و ۱۴۰۲ از چاه‌های پایش استان مرکزی جمع‌آوری شد. پس از پیش‌پردازش، مدل‌سازی ANFIS در MATLAB با ساختارهای Grid، FCM و Subtractive و الگوریتم‌های هیبرید و پس‌انتشار خطا انجام شد. ۲۰٪ داده‌ها برای آموزش و ۸۰٪ برای آزمون استفاده شد. عملکرد مدل با RMSE، MAE و R² ارزیابی گردید.

یافته‌ها: ANFIS توانایی بالایی در شناسایی روابط غیرخطی پارامترها نشان داد. RMSE و MAE پایین و R² قابل قبول، دقت مدل را تأیید کرد. مدل‌های Grid با بهینه‌سازی هیبرید عملکرد بهتری داشتند. برخی مدل‌های سال ۱۴۰۲ به دلیل پیچیدگی بیشتر، دقت کمتری نشان دادند.

نتیجه‌گیری: ANFIS ابزاری کارآمد برای مدل‌سازی کیفیت آب زیرزمینی است. انتخاب ساختار فازی و الگوریتم بهینه‌سازی مناسب نقش کلیدی دارد. استفاده از این مدل‌ها در استان مرکزی به پایش بهتر، شناسایی مناطق بحرانی و مدیریت مؤثر منابع آب کمک می‌کند. کاربرد این رویکرد در سایر مناطق نیز به مدیریت پایدار آب و حفاظت زیست‌محیطی یاری می‌رساند.
عنوان مقاله [English]
Modeling groundwater quality parameters using adaptive neural fuzzy inference system (ANFIS)(Case study of Markazi Province)
نویسندگان [English]
mojde minaei1؛ hossein aghamohammadi2؛ Mohammad Hasan Vahidnia3؛ Amin Reza Neshat1؛ Saeed Behzadi4
1Department of Remote Sensing and GIS, Faculty of Civil Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
2Department of Remote Sensing and GIS, Faculty of Civil Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
3Center for Remote Sensing and GIS Research, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran
4Department of Surveying Engineering, Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran
چکیده [English]
Background and Objectives: Rapid population growth, industrial and agricultural expansion, and limited surface water have increased dependence on groundwater in Iran's arid regions. Groundwater quality is threatened by pollutants such as sodium, sulfate, and TDS. This study models interactions among these parameters in Markazi Province using ANFIS to support sustainable groundwater management.

Methods: Groundwater quality data for sodium, sulfate, and TDS were collected from monitoring wells across Markazi Province for 2017, 2020, and 2023. After preprocessing, ANFIS modeling was conducted in MATLAB using Grid Partitioning, Fuzzy C-Means, and Subtractive Clustering structures combined with hybrid and backpropagation algorithms. Data were split into training (20%) and testing (80%). Model performance was evaluated using RMSE, MAE, and R².

Findings: ANFIS effectively captured nonlinear relationships among parameters. Grid Partitioning with hybrid optimization performed best in earlier periods, showing lower errors and higher R² values. While performance varied across years and 2023 models showed weaker results, overall findings confirmed ANFIS's acceptable accuracy.

Conclusion: ANFIS is a reliable tool for groundwater quality modeling and can support regional monitoring and management decisions. Selecting appropriate structures and algorithms is key to accurate predictions. Applying these models in Markazi Province can identify vulnerable areas and prevent further degradation. Similar approaches in other regions can promote sustainable water management and environmental protection.
مراجع
آمار
تعداد مشاهده مقاله: 2


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب