پیش بینی نوسانات ضخامت معادل آب زیرزمینی با استفاده از اطلاعات ماهواره؜ای و ترکیب الگوریتم بهینه سازی و هوش مصنوعی

طی سالیان اخیر استفاده از اطلاعات ماهواره؜ای مختلف توانسته است به عنوان یک راهکار قابل اطمینان مورد توجه قرار گیرد. هدف از این تحقیق پیش بینی نوسانات ضخامت معادل آب زیرزمینی با استفاده از اطلاعات ماهواره GRACE و مدل سازی آن با استفاده از ترکیب الگوریتم بهینه؜سازی و هوش مصنوعی است. منطقه مطالعاتی این تحقیق، حوضه آبریز دریاچه ارومیه واقع در شمال غربی ایران می باشد. بدین منظور از 180 داده ماهواره های GRACE طی سال های آوریل 2002 تا مارس  2017 استفاده شد. خروجی ماهواره ها شامل 6 پیکسل قرار گرفته بر روی حوضه انتخابی می باشد که 2 نقطه از آن که بیشترین همپوشانی را با محدوده حوضه داشتند برای مدلسازی با ابزار هوش مصنوعی انتخاب شدند. برای این کار از مدل؜های ترکیبی GA-ANN، ICA-ANN و PSO-ANN استفاده شد. نتایج نشان داد خروجی مدل ICA-ANN دارای بهترین برازش با داده های مشاهداتی با ضریب همبستگی برابر با 915/0 و 942/0 در دو پیکسل انتخابی 2 و 5 در مرحله آزمون بود. لذا برای پیش؜بینی نوسانات ضخامت معادل آب زیرزمینی در منطقه مطالعاتی بجای استفاده از مدل های پیچیده با حجم داده؜های بسیار زیاد می؜توان با اطمینان از مدل ICA-ANN استفاده کرد. این رویکرد کمک زیادی به محققین بخش آب زیرزمینی می؜کند تا بدون استفاده از مدل های عددی با ساختار پیچیده و وقت؜گیر با استفاده از اطلاعات ماهواره؜ای و ابزار هوش مصنوعی با دقت بالا تغییرات ضخامت معادل آب زیرزمینی در هر ماه را بر اساس داده های ضخامت معادل آب زیرزمینی در ماهواره GRACE مربوط به ماه های قبل پیش؜بینی نمایند.