پیش بینی نوسانات ماهانه سطح آب دریاچه ارومیه با استفاده از مدل هوش مصنوعی مرکب نظارت شده

در سال های اخیر کاهش سطح آب دریاچه ارومیه سبب ایجاد بحران آبی و زیست محیطی در منطقه گردیده است. بنابراین ضروری است که مدیریت و برنامه ریزی صحیح و قابل اعتماد در این زمینه صورت گیرد که لازمه آن مدل سازی سطح آب دریاچه برای آینده می باشد. در این تحقیق از روش های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و ماشین بردار پشتیبان (SVM) برای پیش بینی سطح آب یک [h (t+1)]، دو [h (t+2)] و سه  [h (t+3)] ماه آینده دریاچه ارومیه استفاده گردید و در نهایت از یک مدل هوش مصنوعی مرکب نظارت شده (SCMAI) برای رسیدن به یک عملکرد بهتر از مدل های منفرد به کار گرفته شده، استفاده شد. برای مدل سازی، اطلاعات سطح آب ماه جاری  [h (t)]و یازده ماه گذشته [h (t-1),..., h (t-11)] به عنوان ورودی و سطح آب یک، دو و سه ماه آینده به عنوان خروجی مدل ها در نظر گرفته شدند. داده ها به دو دسته داده های آموزش/ اعتبارسنجی (90 درصد کل داده ها) و داده های آزمایش (10 درصد کل داده ها) تقسیم بندی گردیدند و پس از مدل سازی، عملکرد مدل ها بر اساس پارامترهای ضریب تعیین (R2)، جذر میانگین مربعات خطا (RMSE) و میانگین مطلق خطا (MAE) ارزیابی شدند. نتایج نشان دادند که مدل های بردار پشتیبان عملکرد بهتری نسبت به مدل های شبکه عصبی مصنوعی و عصبی- فازی دارند. مدل هوش مصنوعی مرکب نظارت شده به منظور ترکیب نتایج مدل های مختلف به کار گرفته شد و نشان داد که مدل های هوش مصنوعی مرکب نظارت شده قادرند کارایی مدل های منفرد هوش مصنوعی را بهبود بخشند. نتایج معیارهای عملکرد مدل هوش مصنوعی مرکب نظارت شده بیان می کند که مدل سازی یک ماه آینده سطح آب با مقادیر R2، RMSE و MAE به ترتیب برابر با 9896/0، 0547/0 متر و 0421/0 متر در مقایسه با مدل بردار پشتیبان عملکرد بهتری دارد که این عملکرد برای پیش بینی های دو و سه ماه آینده سطح آب دریاچه نیز صادق می باشد.