مقایسه مدل‌های شبکه عصبی مصنوعی، سری زمانی آریما و رگرسیون خطی چند متغیره در پیش‌بینی تغییرات سطح آب زیرزمینی

Abstract

پیش­بینی نوسانات سطح آب زیرزمینی، جهت برنامه­ریزی در مناطق خشک و نیمه‌خشک امری ضروری است. در این مطالعه برای پیش­بینی نوسانات سطح آب زیرزمینی دو پیزومتر واقع در دشت کرمان از مدل­های شبکه عصبی مصنوعی، سری زمانی آریما و رگرسیون خطی چند متغیره استفاده شد. برای دستیابی به این منظور از عمق آب زیرزمینی ماهانه پیزومترهای مذکور طی سال­های 1392 -1381 استفاده گردید. نتایج بررسی حالت­های مختلف مدل سری زمانی آریما نشان داد که مدل سری زمانی آریما (1و1و0) و (2و0و2) برای پیزومتر جنوب باغین و مدل سری زمانی آریما (1و1و1) و (0و0و2) برای پیزومتر اراضی فرودگاه بهترین برازش را با داده­ها داشته است. در مدل‌های شبکه عصبی مصنوعی MLP و RBF مدل MLP با 2 و 4 لایه پنهان برای پیزومترهای جنوب باغین و مدل RBF با 8 و 10 لایه پنهان برای پیزومترهای اراضی فرودگاه بهترین برازش را با داده‌ها داشته‌اند. در مدل‌سازی‌ با روش رگرسیون خطی چندمتغیره، برای هر دو پیزومتر بهترین روابط مدل رگرسیون خطی چندمتغیره به دست آمده نشان داد که رابطه رگرسیون خطی چندمتغیره عمق آب زیرزمینی ماه فعلی تابعی از عمق آب زیرزمینی یک ماه قبل است؛ به عبارت دیگر عمق آب زیرزمینی، بیشترین وابستگی را به عمق آب زیرزمینی ماه قبل دارد. نتایج آزمون معیار خطا و همچنین نتایج مقایسه مقادیر پیش‌بینی مدل‌های MLP، RBF ، ARIMA، و مدل رگرسیون خطی چند متغیره با مقادیر واقعی پیزومترها نشان داد، که پیش­بینی عمق آب زیرزمینی به وسیله مدل رگرسیون خطی چندمتغیره از مدل‌های شبکه عصبی و سری زمانی آریما بهتر بوده است.