Prostorna analiza električne vodljivosti podzemnih voda pomoću običnoga kriginga i metoda umjetne inteligencije (slučaj ravnice Tabriz, Iran)

rtificial intelligence (AI) systems have opened a new horizon to analyze water engineering and environmental problems in recent decades. In this study performances of ordinary kriging (OK) as a linear geostatistical estimator and two intelligent methods including artificial neural networks (ANN) and adaptive neuro-fuzzy inference system (ANFIS) are investigated. For this purpose, geographical coordinates of 120 observation wells that located in Tabriz plain, north-west of Iran, were defined as inputs and groundwater electrical conductivities (EC) were set as output of models. Eighty percent of data were randomly selected to train and develop mentioned models and twenty percent of data used for testing and validating. Finally, the outputs of models were compared with the corresponding measured values in observation wells. Results indicated that ANFIS model provided the best accuracy among models with the root mean squared error (RMSE) value of 1.69 dS.m–1 and correlation coefficient (R) of 0.84. The RMSE values in ANN and OK were calculated 1.97 and 2.14 dS.m–1 and the R values were determined 0.79 and 0.76, respectively. According to the results, the ANFIS method predicted EC precisely and can be advised for modeling groundwater salinity.u posljednjih nekoliko desetljeća sustavi umjetne inteligencije (AI) su otvorili nove horizonte u analizi problema vodnog inženjeringa te ekoloških problema. U ovoj studiji istražene su performanse običnog kriginga (OK) kao geostatističkog procjenitelja te performanse dvaju naprednih metoda, prva od kojih je umjetna neuronska mreža (ANN), a druga je hibridni sustav ANFIS (Adaptive Neuro-Fuzzy Inference System) koji uz neuronsku mrežu uključuje i neizravnu (fuzzy) logiku. U tu svrhu, zemljopisne koordinate 120 mjernih bunara lociranih u ravnici Tabriz u sjeverozapadnom Iranu definirane su kao ulazi, a električne vodljivosti (EC) podzemnih voda postavljeni su kao izlazi modela. Osamdeset posto podataka nasumce je izabrano za razvoj i obuku (učenje) navedenih modela, a dvadeset posto podataka iskorišteno je za testiranje i provjeru. Na kraju, izlazi modela su uspoređeni s odgovarajućim mjerenim vrijednostima u mjernim bunarima. Rezultati su pokazali da model ANFIS među svim promatranim modelima daje najbolju točnost s korijenom srednje kvadratne pogreške (RMSE) od 1,69 dS.m–1 i koeficijentom korelacije (R) od 0,84. Izračunate vrijednosti RMSE u modelima ANN i OK iznose 1.97, odnosno 2.14 dS.m–1, a koeficijenata korelacije 0,79, odnosno 0,76, respektivno. Prema dobivenim rezultatima ANFIS metoda je precizno predvidjela električnu vodljivost te se stoga može preporučiti za modeliranje saliniteta podzemnih voda