ارزیابی ترکیب الگوریتم های بهینه سازی و سیستم استنتاج فازی- عصبی تطبیقی در مقایسه با مدل های سری های زمانی در تخمین سطح آب زیرزمینی

به منظور مدیریت و بهره­برداری بهینه از منابع آب زیر زمینی آگاهی از تغییرات مکانی- زمانی سطح ایستابی و لزوم پیش­بینی و مدل سازی آنها به‎منظور شناخت دقیق­تر رفتار آبخوان نسبت به محرک­های طبیعی و انسانی، امری ضروری است. با توجه به توسعه روزافزون فرامدل­ها و ترکیب آنها با الگوریتم­های بهینه­سازی به منظور مدل سازی و پیش­بینی متغیرهای هیدروژئولوژیکی، این سوال که استفاده از مدل­های ترکیبی چقدر می تواند عملکرد فرامدل ها را بهبود بخشد، مطرح می شود. به منظور تلاشی در جهت یافتن پاسخ، در این پژوهش، چهار الگوریتم بهینه سازی فراکاوشی ازدحام ذرات (PSO)، ژنتیک (GA)، کلونی مورچگان (ACOR) و تکاملی تقاضلی (DE) با مدل سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) ترکیب شد. عملکرد چهار مدل­ ترکیبی توسعه داده شده با مدل ANFIS و مدل سری زمانی (SARIMA) به عنوان مدل­ مرجع، جهت تخمین سطح آب زیرزمینی متوسط ماهانه آبخوان دشت صحنه در استان کرمانشاه، در بازه زمانی ۱۹ سال آبی ارزیابی شد. به‎منظور مقایسه بهتر نتایج مدل­ها، متغیرهای ورودی یکسان از تراز آب زیرزمینی در گام­های زمانی مختلف (حداکثر ۴ ماه بر اساس تابع خودهمبستگی تراز آبخوان) برای آنها درنظر گرفته شد. نتایج شاخص­های نکویی برازش در مرحله آموزش و آزمون نشان داد اختلاف معنا داری بین مدل سری زمانی SARIMA نسبت به سایر مدل های ترکیبی مورد استفاده، وجود ندارد. اما با توجه به اینکه SARIMA فرآیندهای میانگین متحرک، اتورگرسیون، تغییرات فصلی و تاخیر را در مدل سازی اعمال می کند، در مدل سازی سطح آب زیرزمینی می­تواند بیشتر مورد توجه قرار گیرد. مقادیر RMSE برترین مدل ترکیبی (ANFIS-GA) و SARIMA به ترتیب ۰۹۵۰/۰ و ۱۰۱۲/۰ متر به دست آمد. همچنین نتایج به دست آمده نشان داد که ترکیب الگوریتم­های بهینه سازی درنظر گرفته شده با مدل ANFIS نتایج مدل را نسبت به مدل انفرادی ANFIS به­صورت معنی داری بهبود نمی­بخشد. نتایج این تحقیق می­تواند محققان را در انتخاب آگاهانه مدل مناسب در پیش­بینی زمانی سطح ایستابی آبخوان با توجه به معیارهای کارآیی، زمان و هزینه محاسبات و آماده­سازی داده­ها جهت ورود به مدل­ها کمک نماید.

Keywords:

مدل سازی , سطح آب زیرزمینی , SARIMA , ANFIS , الگوریتم های تکاملی