کارایی مدل GRNN در قیاس با مدل های ANN و RBF در تخمین پارامترهای آبخوان محبوس

برای مدیریت صحیح منابع آب زیرزمینی، تخمین دقیقی از پارامترهای آبخوان لازم است. در این تحقیق، چندین مدل هوش مصنوعی شاملANN، GRNN و RBF به منظور تخمین پارامترهای هیدرولیکی یک آبخوان محبوس تدوین شده­ است. یکی از دلایل استفاده از مدل­های هوش مصنوعی در پیش­بینی پارامترهای آبخوان، قابلیت انعطاف­پذیری بالای این مدل­ها، در حل مسائل غیرخطی می­باشد. به منظور به کارگیری این مدل­ها، پس از جمع­آوری داده­های مربوط به آزمایش پمپاژ و کاهش بعد داده­ها با روش آنالیز مولفه­های اصلی، به آموزش و آزمایش مدل­های هوش مصنوعی مختلف پرداخته­ شده است. اگر خطای تابع چاه که متغیر خروجی مدل­های هوش مصنوعی است، در حد قابل قبول باشد، مقادیر پارامترهای آبخوان به­دست آورده می­شود. مدل­های مذکور بر روی داده­های یک آزمایش پمپاژ در آبخوان محبوس آزمایش و نتایج آن­ها با نتایج روش گرافیکی منحنی تایس مورد مقایسه قرار گرفته است. با قیاس چندین شاخص خطای آماری برمبنای نتایج مدل­های هوش مصنوعی پیشنهادی و حل گرافیکی مدل تایس، عملکرد مدل­های مذکور، بررسی گردیده ­است. به عنوان مثال، میانگین قدر مطلق خطای نسبی در تخمین پارامترهای آبخوان برای مدل ANN و روش گرافیکی منحنی تایس، به ترتیب ۵۵۶۴/۰ و ۱۳۲۰/۱ درصد بوده است. همچنین در مقایسه مدل­های مختلف هوش مصنوعی به کار گرفته شده، مدل GRNN از دقت مطلوب و مدت زمان محاسباتی کمتری در تخمین پارامترهای آبخوان برخوردار است و می­تواند به عنوان مدل برتر در تخمین پارامترهای آبخوان، برگزیده شود.

Keywords:

آزمایش پمپاژ , تخمین پارامترهای آبخوان , شبکه عصبی مصنوعی , شبکه های عصبی رگرسیونی تعمیم داده شده , مدل های هوش مصنوعی