پیش بینی سطح ایستابی با استفاده از سری های زمانی و سیستم استنباط فازی عصبی تطبیقی

مدل سازی در مناطق خشک برای مدیریت بهینه منابع آب اهمیت ویژه ای دارد. آب زیرزمینی از مهم ترین منابع آبی در مناطق خشک محسوب می شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل های سری زمانی در پیش بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش بینی یک ماه بعد سطح آب های زیرزمینی دشت شیراز شد. بهترین ترکیب ورودی و طول داده های آموزشی و صحت سنجی در مدل انفیس با استفاده از آزمون گاما و M برآورد شد. عملکرد مدل های مختلف با پارامترهای خطا و دیاگرام تیلر مقایسه شد. نتایج مدل انفیس نشان داد که این مدل با تابع عضویت Π شکل عملکرد بهتری نسبت به بقیه توابع عضویت دارد (241/1 RMSE= و 953/0 MAE=). مقایسه عملکرد مدل ها، حاکی از کارایی بسیار مناسب مدل خطی ARIMA (2،1، 2) نسبت به مدل انفیس با توابع عضویت مختلف است (325/0 RMSE= و 241/0 MAE=).