مقايسه كارايي روش‌هاي شبكه عصبي و سري‌هاي زماني در پيش‌بيني سطح آب زيرزميني (مطالعه موردي: زيرحوزه بختگان استان فارس)

Comparison of ANN and time series appropriately in prediction of ground water table (Case Study: Bakhtegan basin)

مدل‌سازي و پيش‌بيني سطح ايستابي چاه‌ها يكي از كارهاي اساسي براي رسيدن به مديريت بهينه منابع آب مي‌باشد. يكي از راه‌هاي پيش‌بيني سطح آب زيرزميني استفاده از تكنيك‌هاي هوش مصنوعي و سري‌هاي زماني مي‌باشد. هدف از اين پژوهش بررسي كارايي تكنيك شبكه عصبي مصنوعي و سري‌هاي زماني در پيش‌بيني سطح ايستابي آب زيرزميني مي‌باشد. به اين منظور از داده‌هاي سطح ايستابي 35 چاه موجود در يكي از زيرحوزه‌هاي بختگان در دوره آماري 89-1381 به‌صورت ماهانه استفاده شد. سطح ايستابي چاه‌ها توسط هر يك از تكنيك‌هاي شبكه عصبي و سري زماني (آريما) به‌طور جداگانه شبيه‌سازي شد و در انتها از از آماره‌هاي ميانگين خطاي استاندارد، ميانگين خطاي مطلق و ضريب همبستگي براي تعيين دقت پيش‌بيني هر كدام از روش‌ها استفاده شد. نتايج اين پژوهش كارايي و دقت بالاي هر دو تكنيك شبكه عصبي و سري زماني را در پيش‌بيني سطح ايستابي چاه‌هاي منطقه نشان داد.

Both of extra using of water resources and climate change (reduction of precipitation) have caused the shortage of water resources in Iran. In this case, management of ground water resources is important for agriculture and industries. Modeling and prediction of ground water table is one way for management of water resources. For prediction of ground water table ANN and time series techniques were used. Goal of this research is analysis of ANN and time series appropriately in prediction of ground water level. In this paper 35 water level of wells in Bakhtegan basin with monthly data from 1381 to 1389 were used. Water level of wells were predicted with ANN and time series (ARIMA) techniques and finally Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) for each of techniques were calculated. Results showed that ANN and time series techniques are suitable for prediction of ground water surface.