پیش‎بینی سطح ایستابی با استفاده از سری‏های زمانی و سیستم استنباط فازی‌ـ عصبی تطبیقی

Abstract

مدل‌سازی در مناطق خشک برای مدیریت بهینة منابع آب اهمیت ویژه‌ای دارد. آب زیرزمینی از مهم‌ترین منابع آبی در مناطق خشک محسوب می‌شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل‌های سری زمانی در پیش‌بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل‌های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش‌بینی یک ماه بعد سطح آب‎های زیرزمینی دشت شیراز شد. بهترین ترکیب ورودی و طول داده‌های آموزشی و صحت‎سنجی در مدل انفیس با استفاده از آزمون گاما و M برآورد شد. عملکرد مدل‎های مختلف با پارامترهای خطا و دیاگرام تیلر مقایسه شد. نتایج مدل انفیس نشان داد که این مدل با تابع عضویت Π شکل عملکرد بهتری نسبت به بقیة توابع عضویت دارد (241/1 RMSE= و 953/0 MAE=). مقایسة عملکرد مدل‌ها، حاکی از کارایی بسیار مناسب مدل خطی ARIMA (2,1, 2) نسبت به مدل انفیس با توابع عضویت مختلف است (325/0 RMSE= و 241/0 MAE=).‌ .