استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیش بینی سطح آب زیرزمینی

منابع آب زیرزمینی از مهم ترین منابع تامین آب هستند، لذا مدل سازی آن ها حائز اهمیت می باشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازه های مهندسی، مصارف کشاورزی و حصول آب های زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. عمده تقاضا برای آب شرب و کشاورزی در دشت مشگین شهر نیز از طریق آب زیرزمینی تامین می شود. در این تحقیق چهار مدل هوش مصنوعی که عبارتند از شبکه عصبی پیشرو، شبکه عصبی برگشتی، منطق فازی ساگنو و ماشین بردار پشتیبان برای پیش بینی سطح آب زیرزمینی استفاده شدند. با توجه به نزدیک بودن نتایج به دست آمده و با توجه به این مسئله که مدل های مختلف در مراحل مختلف مدل سازی نتایج متفاوتی ارائه دادند، انتخاب یکی از مدل ها به عنوان مدل منتخب معقول به نظر نمی رسید. لذا از ترکیب غیر خطی این چهار مدل که مدل هوش مصنوعی مرکب نظارت شده نامیده می شود، برای ترکیب نتایج این مدل ها استفاده شد تا نتایج به دست آمده تقویت شده و از توانایی مدل های مختلف به طور هم زمان استفاده شود. به منظور ارزیابی کارایی و دقت مدل ها در پیش بینی، از دو معیار مختلف RMSE و R2 استفاده شد. نتایج نشان دادند که مدل SCMAI با مقادیر R2 برابر 85/0 و 90/0 به ترتیب برای پیزومترهای شماره 1 و 2 در مرحله آموزش بهترین پیش بینی را نسبت به هر کدام از چهار مدل منفرد هوش مصنوعی ارائه کرده است. همچنین مدل SCMAI توانست RMSE پیش بینی را تا 9% درصد برای پیزومتر شماره یک و 17% درصد برای پیزومتر شماره دو کاهش دهد.