پيش بيني نوسانات ضخامت معادل آب زيرزميني با استفاده از اطلاعات ماهواره؜اي و تركيب الگوريتم‌ بهينه‌سازي و هوش مصنوعي

طي ساليان اخير استفاده از اطلاعات ماهواره؜اي مختلف توانسته است به‌عنوان يك راهكار قابل اطمينان مورد توجه قرار گيرد. هدف از اين تحقيق پيش‌بيني نوسانات ضخامت معادل آب زيرزميني با استفاده از اطلاعات ماهواره GRACE و مدل‌سازي آن با استفاده از تركيب الگوريتم بهينه؜سازي و هوش مصنوعي است. منطقه مطالعاتي اين تحقيق، حوضه آبريز درياچه اروميه واقع در شمال‌غربي ايران مي‌باشد. بدين منظور از 180 داده ماهواره‌هاي GRACE طي سال‌هاي آوريل 2002 تا مارس  2017 استفاده شد. خروجي ماهواره‌ها شامل 6 پيكسل قرار گرفته بر روي حوضه انتخابي مي‌باشد كه 2 نقطه از آن كه بيشترين همپوشاني را با محدوده حوضه داشتند براي مدلسازي با ابزار هوش مصنوعي انتخاب شدند. براي اين كار از مدل؜هاي تركيبي GA-ANN، ICA-ANN و PSO-ANN استفاده شد. نتايج نشان داد خروجي مدل ICA-ANN داراي بهترين برازش با داده‌هاي مشاهداتي با ضريب همبستگي برابر با 0.915 و 0.942 در دو پيكسل انتخابي 2 و 5 در مرحله آزمون بود. لذا براي پيش؜بيني نوسانات ضخامت معادل آب زيرزميني در منطقه مطالعاتي بجاي استفاده از مدل‌هاي پيچيده با حجم داده؜هاي بسيار زياد مي؜توان با اطمينان از مدل ICA-ANN استفاده كرد. اين رويكرد كمك زيادي به محققين بخش آب زيرزميني مي؜كند تا بدون استفاده از مدل‌هاي عددي با ساختار پيچيده و وقت؜گير با استفاده از اطلاعات ماهواره؜اي و ابزار هوش مصنوعي با دقت بالا تغييرات ضخامت معادل آب زيرزميني در هر ماه را بر اساس داده‌هاي ضخامت معادل آب زيرزميني در ماهواره GRACE مربوط به ماه‌هاي قبل پيش؜بيني نمايند.