کارایی مدل GRNN در قیاس با مدل های ANN و RBF در تخمین پارامترهای آبخوان محبوس

برای مدیریت صحیح منابع آب زیرزمینی، تخمین دقیقی از پارامترهای آبخوان لازم است. در این تحقیق، چندین مدل هوش مصنوعی شاملANN، GRNN و RBF به منظور تخمین پارامترهای هیدرولیکی یک آبخوان محبوس تدوین شده است. یکی از دلایل استفاده از مدل های هوش مصنوعی در پیش بینی پارامترهای آبخوان، قابلیت انعطاف پذیری بالای این مدل ها، در حل مسائل غیرخطی می باشد. به منظور به کارگیری این مدل ها، پس از جمع آوری داده های مربوط به آزمایش پمپاژ و کاهش بعد داده ها با روش آنالیز مولفه های اصلی، به آموزش و آزمایش مدل های هوش مصنوعی مختلف پرداخته شده است. اگر خطای تابع چاه که متغیر خروجی مدل های هوش مصنوعی است، در حد قابل قبول باشد، مقادیر پارامترهای آبخوان به دست آورده می شود. مدل های مذکور بر روی داده های یک آزمایش پمپاژ در آبخوان محبوس آزمایش و نتایج آن ها با نتایج روش گرافیکی منحنی تایس مورد مقایسه قرار گرفته است. با قیاس چندین شاخص خطای آماری برمبنای نتایج مدل های هوش مصنوعی پیشنهادی و حل گرافیکی مدل تایس، عملکرد مدل های مذکور، بررسی گردیده است. به عنوان مثال، میانگین قدر مطلق خطای نسبی در تخمین پارامترهای آبخوان برای مدل ANN و روش گرافیکی منحنی تایس، به ترتیب 5564/0 و 1320/1 درصد بوده است. همچنین در مقایسه مدل های مختلف هوش مصنوعی به کار گرفته شده، مدل GRNN از دقت مطلوب و مدت زمان محاسباتی کمتری در تخمین پارامترهای آبخوان برخوردار است و می تواند به عنوان مدل برتر در تخمین پارامترهای آبخوان، برگزیده شود.