توسعه و کاربرد مدل های عصبی، فازی، الگوریتم ژنتیک و زمین آمار در برآورد توزیع مکانی سطح ایستابی

در امر مدیریت پایدار منابع آب تجدیدپذیر در سطح یک آبخوان، تخمین سطح آب زیرزمینی از اهمیت زیادی برخوردار است. در این پژوهش از روشهای هوشمند عصبی در قالب شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی، عصبی فازی و عصبی ژنتیک برای تخمین مقادیر نقطه ای سطح
ایستابی در دشت همدان- بهار استفاده شد. به منظور برآورد سطح ایستابی در نقاط بدون اندازه گیری، مقادیر برآورد نقطهای هر یک از روشهای هوشمند عصبی در محیط زمین آمار کریجینگ پهنه بندی شد. در مجموع دقت روشهای مورد استفاده بر حسب خطای کمتر مقادیر سطح ایستابی برآوردی به ترتیب به روشهای عصبی ژنتیک، پرسپترون چندلایه، تابع پایه شعاعی و عصبی فازی تعلق داشت.
به طوریکه مجذور میانگین مربعات خطای روش عصبی ژنتیک در برآورد تغییرات مکانی سطح ایستابی برابر ۴۳۱/۰ متر با ضریب تبیین ۹۹۶/۰ بود. بیشترین مقدار خطا به برآوردهای مدل شبکه عصبی فازی با خطای ۲۷/۱ متر و مدل شبکه تابع پایه شعاعی با خطای ۸۱/۰ متر تعلق داشت.
همچنین مقایسه تغییرات مکانی سطح ایستابی برآوردی از روش عصبی ژنتیک در محیط زمین آمار کریجینگ با مقادیر مشاهدهای نشان دهنده کاهش پراکنش نقاط و باریکتر بودن محدوده اطمینان ۹۰ درصد بود. از اینرو با استفاده از طول و عرض جغرافیایی بهعنوان بردار اطلاعات ورودی، میتوان به دقت اطلاعات بالا در برآورد تغییرات مکانی و پهنه بندی مقادیر سطح ایستابی اطمینان به دست آورد.

Keywords:

سطح ایستابی , روش هوشمند عصبی , زمین آمار , دشت همدان- بهار