شبیه سازی نوسانات سطح آب زیرزمینی با استفاده از مدل های ماشین بردار پشتیبان و سیستم استنتاج فازی- عصبی تطبیقی (مطالعه موردی: دشت مراغه)

به منظور مدیریت بهینه منابع آب زیرزمینی، ضروری است برآورد دقیقی از نوسانات سطح آب زیرزمینی انجام پذیرد که در سال های اخیر استفاده از روش های هوش مصنوعی بر پایه تئوری داده کاوی برای این منظور مورد توجه محققین قرار گرفته است. هدف از پژوهش حاضر، مقایسه عملکرد سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و روش ماشین بردارپشتیبان (SVM) در شبیه سازی نوسانات سطح آب زیرزمینی می باشد. داده های بارش و سطح ایستابی ماهانه مربوط به تعداد ۲۵ چاهک مشاهده ای در بخشی از محدوده دشت مراغه واقع در استان آذربایجان شرقی مربوط به بازه زمانی ۲۲ ساله (۹۷-۱۳۷۵) به عنوان داده های ورودی مورد نیاز مدل ها استفاده شد. میانگین تراز سطح ایستابی در محدوده مورد مطالعه ۱۳۲۱ متر و میانگین بارش و دمای سالانه به ترتیب ۲۹۴ میلی متر و ۱۴ درجه سانتی گراد می باشد. مقادیر میانگین شاخص های آماری ضریب همبستگی و ریشه میانگین مربعات خطا برای مدل ANFIS به ترتیب برابر ۹۱/۰ و ۳۸/۰ متر و برای مدل SVMبه ترتیب برابر ۹۲/۰ و ۴۰/۰ متر محاسبه شد. نتایج نشان داد، اضافه شدن پارامتر بارش ماهانه به داده های ورودی، اثر قابل توجهی بر دقت مدل ANFIS نداشته است ولی در مدل SVM منجر به افزایش دقت مدل به میزان ۱۴ درصد شد. به طور کلی می توان بیان داشت، دقت شبیه سازی هر دو مدل رضایت بخش بوده با این وجود مدل ANFIS از برتری جزئی نسبت به مدل SVM برخوردار می باشد.

Keywords:

تراز آب زیرزمینی , شبیه سازی , مدل های هوشمند