پیش بینی سطح آب زیرزمینی با استفاده از مدل های منطق فازی، شبکه عصبی و سری زمانی

در مطالعات آب های زیرزمینی، تغییرات سطح ایستابی از اهمیت فراوانی برخوردار است. به همین دلیل، امروزه شبیه سازی جریان آب زیرزمینی توسط مدل های ریاضی و کامپیوتری که یک روش غیرمستقیم مطالعه آب زیرزمینی می باشد، با صرف هزینه کمتر صورت می گیرد. پیش بینی سطح آب زیرزمینی یک حوضه نقش مهمی را در مدیریت منابع آبی ایفا می کند. به خصوص در مناطق نیمه خشک آب های زیرزمینی نقش بسیار مهمی در تعیین آب مورد نیاز، کشاورزی، شهری و امور صنعتی دارد. در این تحقیق کارایی مدل های شبکه های عصبی مصنوعی، منطق فازی و سری زمانی در تخمین سطح آب زیرزمینی آبخوان دشت عجب شیر مورد بررسی قرار گرفت. پارامترهای بارندگی، دما، دبی جریان و تراز سطح ایستابی در دوره زمانی ماه قبل به عنوان ورودی و تراز سطح ایستابی در دوره موردنظر به عنوان خروجی مدل ها در مقیاس زمانی ماهانه در طی دوره آماری (1396-1385) انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسه عملکرد مدل ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد که مدل منطق فازی می تواند تراز سطح ایستابی را با دقت قابل قبولی پیش بینی نماید. توابع عضویت استفاده شده برای مدل سازی فازی سطح ایستابی، تابع عضویت گوسی بود که به داده های دسته بندی شده برازش داده شد و نیز تابع عضویت خروجی مدل ساگنو تابعی است خطی که بر اساس ورودی ها ساخته می شود. در مورد دقت، مدل منطق فازی با بیشترین با ضریب همبستگی، کمترین ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا به عنوان بهترین مدل برای پیش بینی سطح آب زیرزمینی شناخته شد.