بررسی عملکرد مدل های داده مبنا در شبیه سازی گام‌های مختلف زمانی سطح آب زیرزمینی با استفاده از روش تلفیقی آزمون گاما و الگوریتم ژنتیک

Abstract

به منظور مدیریت پایدار منابع آب زیرزمینی، تعیین رفتار سطح آب زیرزمینی ضروری است. نوسانات سطح آب زیرزمینی فرآیندی غیرخطی و پیچیده است که مدل-های هوش محاسباتی داده مبنا قادر هستند بدون تقریب و ساده‌سازی به مدل‌سازی آن بپردازند. در این مطالعه میزان دقت و کارایی هر یک از مدل‌های داده مبنا هوش مصنوعی پرسپترون چند لایه (MLP)، استنتاجی فازی عصبی (ANFIS) و رگرسیون بردار پشتیبان(SVR) در شبیه‌سازی سه افق زمانی پیش‌رو (t+2, t+1 و t+3) سطح آب زیرزمینی دشت هشتگرد مورد ارزیابی قرار گرفت. در این راستا از قابلیت‌های روش آزمون گاما و تلفیق آن با الگوریتم ژنتیک (GA-GT) بمنظور انتخاب ترکیب ورودی بهینه و نیز روش M-Test در تعیین طول بهینه داده‌های آموزش مدل استفاده شد. نتایج مشخص کرد که دقت مدل‌های داده مبنا در شبیه سازی افق زمانیt+1 سطح آب زیرزمینی بیشتر از افق زمانی t+2 و t+3 است. بمنظور تعیین میزان عملکرد و کارایی مدل‌ها، نتایج براساس شاخص DDR مورد تحلیل قرار گرفت که محاسبات نشان داد مدل ANFIS در شبیه‌سازی افق زمانی اول بهترین عملکرد و کارایی را داشته است. همچنین استنباط شد که مدل MLP و ANFIS در شبیه‌سازی افق‌های ماهانه نزدیک‌تر و SVR در افق‌های ماهانه دور‌تر کاربرد بهتری دارند.