فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی تراز آب زیرزمینی اولویتی ضروری برای برنامه‌ریزی و مدیریت منابع آب زیرزمینی می‌باشد. هدف از تحقیق حاضر مقایسه دقت سیستم استنتاج تطبیقی عصبی- فازی[1] (ANFIS) با مدل ترکیبی ANFIS آموزش دیده توسط الگوریتم بهینه‌سازی ازدحام ذرات[2] (ANFIS+PSO) در پیش‌بینی ماهانه تراز آب زیرزمینی آبخوان گلپایگان طی سال‌های 97-1381 می‌باشد. بدین منظور از داده‌های ماهانه بارندگی، دما، تبخیر از تشت در ایستگاه­های هواشناسی منتخب، حجم تخلیه از چاه­های بهره‌برداری و تراز آب زیرزمینی چاه‌های مشاهده‌ای استفاده شده است. پس از انجام تحلیل مکانی و زمانی، چهار چاه مشاهده‌ای با دو ساختار داده ورودی (S1 و S2) برای پیش‌بینی تراز آب زیرزمینی انتخاب گردید. نتایج آزمون‌های روند و همگنی حاکی از معنی‌داری 99 درصدی تغییرات تراز آب زیرزمینی در چاه‌های مشاهده‌ای منتخب 4، 8، 19 و 20 با افت ناگهانی 22، 17، 27 و 2 متر به ترتیب در قبل و بعد از ماه‌های خرداد، شهریور، تیر و مرداد 1389 می‌باشد. بیشترین و کمترین دقت پیش‌بینی تراز آب زیرزمینی مربوط به چاه‌های مشاهده‌ای 20 و 4 با مقادیر ریشه میانگین مربعات خطا[3] (RMSE) برابر 37/2 و 21/0 متر به ترتیب مربوط به مدل‌های ANFIS_S1 و ANFIS+PSO_S2 می‌باشد. نتایج کلی تحقیق حاکی از تأثیر بیشتر انتخاب تأخیرهای مناسب داده‌های ورودی (ساختار مدل) نسبت به ترکیب دو مدل (ANFIS و PSO) در افزایش دقت پیش‌بینی تراز آب زیرزمینی دارد، به طوری‌که ساختار مطلوب داده‌های ورودی و ترکیب الگوریتم بهینه‌ساز با مدل شبیه‌ساز به ترتیب  44 و 25 درصد دقت پیش‌بینی تراز آب زیرزمینی را افزایش داده‌اند. [1] Adaptive Neuro-Fuzzy Inference System (ANFIS) [2] Particle Swarm Optimization (PSO) [3] Root Mean Squared Error (RMSE)