ارزيابي روش هاي مختلف SOM-AI براي پيش بيني سطح آب زيرزميني (مطالعه موردي: آبخوان دشت سلماس)

تغييرات سطح آب زيرزميني، يكي از مهم ترين متغيرها در مديريت آبخوان‌هاست كه پيش بيني دقيق اين متغير مي تواند در ارائه راهكارهاي مديريتي براي حفظ اين مخازن آب شيرين استراتژيك به خصوص در مناطق خشك و نيمه خشك، مانند حوضة درياچه اروميه راهگشا باشد. با وجود توانايي بالاي مدل هاي هوش مصنوعي (AI) در پيش‌بيني سطح آب زيرزميني به‌دليل ناهمگني و ناهمساني محيط هاي هيدروژئولوژيكي، گه گاه از كارايي پاييني برخوردارند؛ از اين‌رو، استفاده از روش هوشمند نگاشت خود سازمان‌ده (SOM) براي خوشه بندي چاه هاي مشاهده اي و تركيب آن با مدل هاي مختلف هوش مصنوعي مي تواند باعث بهبود نتايج حاصل از مدل‌سازي شد. در اين پژوهش، روش‌هاي مختلف SOM-AI، شامل ماشين بردار پشتيبان (SOM-SVM) و مدل فازي ساگنو (SOM-SFL) براي پيش بيني تغييرات سطح آب زيرزميني به‌كار گرفته شدند. بدين‌ترتيب، چاه هاي مشاهده اي (OW) در سه گروه G1، G2 وG3 دسته بندي و براي هر گروه از چاه هاي مشاهده اي مدل‌سازي سطح آب زيرزميني اجرا شد. ارزيابي نتايج با استفاده از معيارهاي RMSE، r^2 و NSE نشان داد كه حداقل در سه چاه مشاهده اي OW2، OW6 و OW9، مدل تركيبي SOM-SFL عملكرد بهتري نسبت به بقيه داشت. در بقية چاه هاي مشاهده اي مدل تركيبي SOM-LSSVM برتري نسبي داشت.