ارزيابي تركيب ANFIS با تبديل موجك براي مدل سازي و پيش ‌بيني سطح آب زيرزميني

Evaluation of Combined ANFIS with Wavelet Transform to Modeling and Forecasting Groundwater Level

يكي از فاكتورهاي مهم در مديريت صحيح در هر زمين ه­اي داشتن يك ديد و نگرش مناسب از اتفاقات آينده در آن زمينه است. در مديريت منابع آب و محيط زيست اين امر مستثني نبوده و آگاهي از وضعيت منابع آب در يك منطقه نقش تعيين­كننده­اي در برنامه­ ريزي­ هاي آبي و كشاورزي آن دارد. در اين تحقيق از مدل سيستم استنتاج فازي عصبي تطبيقي (ANFIS) براي پيش­بيني ماهانه سطح آب زيرزميني حوضه دالكي در استان بوشهر در يك دوره 12 ساله (1392-1381) استفاده شد. به منظور بهبود نتايج اين مدل، از تبديل موجك استفاده شد و سيگنال اصلي به زيرسيگنال­ هايي تجزيه شد و به عنوان ورودي به مدل ANFIS وارد شد تا مدل تركيبي سيستم استنتاج فازي عصبي تطبيقي-موجك (WANFIS) حاصل گرديد. براي پيش­بيني سطح آب زيرزميني از 5 چاه مشاهده ­اي با متغيرهاي رقوم سطح آب زيرزميني، بارش، تبخير و دما استفاده شد. نتايج بيانگر اين بود كه مدل تركيبي WANFISداراي عملكرد بهتري از مدل ANFISبوده است. همچنين مشاهده شد كه مدل تركيبي در برآورد نقاط حدي عملكرد بهتري داشته است. به­طوركلي اين شيوه استفاده از نظريه موجك باعث افزايش عملكرد تا 14 درصد شده است. در پايان سطح آب زيرزميني براي يك سال آتي با مدل برتر برآورد گرديد. نتايج حاصل از پيش­بيني سطح آب زيرزميني حاكي از افزايش عمق دسترسي به آب زيرزميني در منطقه دالكي داشته است و اين مسئله با توجه به اثراتي كه بر روي منابع آب و محيط زيست منطقه دارد به عنوان يك هشدار براي مسئولين منطقه مطرح مي­باشد.

One of the most important factors, in a good management in any field, is having a proper perspective of the upcoming events. There is no exception in water resources management and the environment and awareness of the condition of water resources, in an area, plays a decisive role for planning water and agriculture. In this study, the Adaptive Neural Fuzzy Inference System (ANFIS) was used for the monthly forecast of Dalaki Basin groundwater levels in the province Bushehr in a 12-year period (2002- 2013). In order to improve the results of the model, the wavelet transform was used and the original signal was decomposed to sub-signals. Then, sub-signals were entered, as input, into ANFIS model to obtain the hybrid model, Wavelet-Adaptive Neural Fuzzy Inference System (WANFIS). To forecast the groundwater level of five observed wells has been used, using groundwater levels, precipitation, evaporation, andtemperature. Results showed that hybrid model, WANFIS, has better performance than ANFIS model. Also, it was showed that hybrid model has better performance in estimate extreme points. So, this method, using wavelet theory, increased the performance by 14%. At the end, groundwater levels were estimated by the best model in a year. The results of thepredicted groundwater levels showed that theincrease of having access to groundwater in the Dalaki area. This problem is noted to authorities of the area regarding the effects on water resources and the environment of the area.