@article { author = {Nadiri, Ata Allah and Sedghi, Zahra and Kazemian, Naeimeh}, title = {Optimization of DRASTIC method using ANN to evaluating of vulnerability of multiple Varzqan aquifer}, journal = {Iranian journal of Ecohydrology}, volume = {4}, number = {4}, pages = {1089-1103}, year = {2017}, publisher = {Faculty of New Sciences and Technologies, University of Tehran}, issn = {2423-6098}, eissn = {2423-6101}, doi = {10.22059/ije.2017.63238}, abstract = {Due to population growth and agricultural development and mining activities in the plain Varzeqan where nitrate concentration exceeds from 5 times the standard World Health Organization (WHO). So, Evaluation of vulnerability and protection of groundwater resources are very important in this area. The DRASTIC method uses seven effective environmental parameters on assessment of aquifer vulnerability such as Depth to groundwater level, net Recharge, Aquifer media, Soil media, Topography, Impact of vadose zone and hydraulic Conductivity, as seven layers were prepared separately for unconfined and confined aquifer by corresponded the rate and weighting. The DRASTIC index value was evaluated for unconfined, confined aquifer 92-163 and 48-93 respectively. The artificial neural network model was used to optimize the DRASTIC method. In these model the DRASTIC parameters were considered as input, and conditioned DRASTIC index were used as output, and the data were divided into two categories of train and test. After model training, the model results were evaluated by the nitrate concentration through coefficient of determination (R2) and correlation index (CI) creteria. The results showed that artificial neural network model show high capability to improve the results of general DRASTIC and reduce subjectivity of model, especially in multiple aquifer.}, keywords = {Artificial Neural Network,DRASTIC,Multiple Aquifer,vulnerability}, title_fa = {بهینه‌سازی روش DRASTIC با استفاده از هوش مصنوعی برای ارزیابی آسیب‌پذیری آبخوان‏ چند‏گانۀ دشت ورزقان}, abstract_fa = {با توجه به افزایش جمعیت و توسعۀ فعالیت‏های کشاورزی و معدنی در دشت ورزقان که سبب افزایش مقادیر نیترات تا پنج برابر استاندارد سازمان بهداشت جهانی (WHO) شده، ارزیابی آسیب‏پذیری و حفاظت از منابع آب زیرزمینی در این منطقه اهمیت زیادی دارد. در این پژوهش، آسیب‏پذیری آبخوان چندگانۀ دشت ورزقان در برابر آلودگی به کمک روش DRASTIC در محیط ArcGIS بررسی شده و بهینه‏سازی روش DRASTIC با استفاده از مدل ANN صورت گرفته است. برای اجرای روش DRASTIC از پارامترهای مؤثر در ارزیابی آسیب‏پذیری سفرۀ آب زیرزمینی شامل عمق سطح ایستابی، تغذیۀ خالص، جنس محیط آبخوان، نوع خاک، شیب توپوگرافی، مواد تشکیل‌دهندۀ ناحیۀ غیراشباع و هدایت هیدرولیکی استفاده شده که به‌صورت هفت لایۀ جداگانه برای آبخوان آزاد و تحت فشار تهیه و بعد از رتبه‌دهی و وزن‌دهی و تلفیق این هفت لایه شاخص DRASTIC محاسبه شد که براساس نتایج به‌دست‌آمده شاخص DRASTIC برای آبخوان آزاد 92- 164 و برای آبخوان تحت فشار 48-93 برآورد شد. به‌منظور بهینه‌سازی روش DRASTIC، از مدل شبکۀ عصبی مصنوعی استفاده و به این منظور داده‌های ورودی )پارامترهای (DRASTIC و خروجی (شاخص آسیب‏پذیری) و مقادیر نیترات مربوط به آن به دو دستۀ آموزش و آزمایش تقسیم شد و پس از آموزش مدل، با استفاده از مقادیر نیترات نتایج مدل در مرحلۀ آزمایش ارزیابی شد. نتایج نشان داد مدل شبکۀ عصبی مصنوعی به‌کار گرفته‌شده، قابلیت بهبود نتایج روش  DRASTICاولیه را دارد. برای صحت‏سنجی نتایج روش کلاسیک و مدل هوش مصنوعی استفاده‌شده در این پژوهش، از داده‏های غلظت نیترات و ضریب همبستگی آن با شاخص آسیب‏پذیری در منطقه استفاده شد. مدل ANN با داشتن ضریب تعیین (R2) و شاخص همبستگی (CI) بیشتر نسبت به روش DRASTIC و همچنین توانایی ارزیابی یکپارچۀ آبخوان چندگانه و حذف خطای نظر کارشناسی اعمال‌شده در روش کلاسیک، روش بهتری برای ارزیابی آسیب‏پذیری آبخوان چندگانۀ دشت ورزقان است.}, keywords_fa = {آسیب‏پذیری,آبخوان چندگانه,شبکۀ عصبی مصنوعی,DRASTIC}, url = {https://ije.ut.ac.ir/article_63238.html}, eprint = {https://ije.ut.ac.ir/article_63238_baba7193e003025fa1a087b6a05b7593.pdf} }