شبيه سازي نوسانات سطح آب زيرزميني با استفاده از مدل‌هاي ماشين بردار پشتيبان و سيستم استنتاج فازي- عصبي تطبيقي (مطالعه موردي: دشت مراغه)

به منظور مديريت بهينه منابع آب زيرزميني، ضروري است برآورد دقيقي از نوسانات سطح آب زيرزميني انجام پذيرد كه در سال‌هاي اخير استفاده از روش‌هاي هوش مصنوعي بر پايه تئوري داده‌كاوي براي اين منظور مورد توجه محققين قرار گرفته است. هدف از پژوهش حاضر، مقايسه عملكرد سيستم استنتاج فازيعصبي تطبيقي (ANFIS) و روش ماشين بردارپشتيبان (SVM) در شبيه‌سازي نوسانات سطح آب زيرزميني مي‌باشد. داده‌هاي بارش و سطح ايستابي ماهانه مربوط به تعداد 25 چاهك مشاهده‌اي در بخشي از محدوده دشت مراغه واقع در استان آذربايجان شرقي مربوط به بازه زماني 22 ساله (97-1375) به عنوان داده‌هاي ورودي مورد نياز مدل‌ها استفاده شد. ميانگين تراز سطح ايستابي در محدوده مورد مطالعه ۱۳۲۱ متر و ميانگين بارش و دماي سالانه به ترتيب 294 ميلي‌متر و 14 درجه سانتي‌گراد مي‌باشد. مقادير ميانگين شاخص‌هاي آماري ضريب همبستگي و ريشه ميانگين مربعات خطا براي مدل ANFIS به ترتيب برابر 0.91 و 0.38 متر و براي مدل SVMبه ترتيب برابر 0.92 و 0.40 متر محاسبه شد. نتايج نشان داد، اضافه شدن پارامتر بارش ماهانه به داده‌هاي ورودي، اثر قابل توجهي بر دقت مدل ANFIS نداشته است ولي در مدل SVM منجر به افزايش دقت مدل به ميزان 14 درصد شد. به طور كلي مي‌توان بيان داشت، دقت شبيه‌سازي هر دو مدل رضايت بخش بوده با اين وجود مدل ANFIS از برتري جزئي نسبت به مدل SVM برخوردار مي‌باشد.