مرکز منطقه ای اطلاع رساني علوم و فناوري - پيش‌بيني نوسانات عمق سطح آب زيرزميني با استفاده از مدل‌هاي تلفيقي شبكه‌ي عصبي - فازي تطبيقي

چكيده فارسي :

هدف از تحقيق حاضر، تخمين سطح آب زيرزميني دشت الشتر در زمان‌هاي t+1، t+3 و t+6 با استفاده از پارامترهاي دما، بارش و سطح آب زيرزميني در زمان‌هاي t، t -1 و t -2 با استفاده از مدل‌هاي شبكه عصبي (ANN)، سيستم استنتاج عصبي فازي (ANFIS)، عصبي موجك (WNN) و تلفيق شبكه‌ي عصبي فازي موجك (WNF) مي‌باشد. جهت ارزيابي مدل‌ها از دو شاخص R^2 و RMSE استفاده گرديد. نتايج حاصل از پيش‌بيني مدل‌هاي مختلف نشان داد كه ANFIS، WNN و WNF نسبت به مدل ANN در پيش‌بيني عمق سطح آب زيرزميني داراي دقت بالاتري مي‌باشند. همچنين مقايسه نتايج حاصل از مدل‌هايي با پايه موجك و ديگر مدل‌ها‌ نشان مي‌دهد، اين مدل‌ها (WNN و WMF) داراي دقت بالاتري نسبت به ديگر مدل‌ها مي‌باشند. به طوريكه استفاده از مدل WNF نسبت به ANN شاخص R2 را از 0.94 به 98/ 0 (در پيش بيني يك ماه)، 0.84 به 0.93 (در پيش بيني سه ماهه) 0.76 به 0.85 (در پيش بيني شش ماهه) افزايش داده است. همچنين مدل WNF نسبت به ANN، شاخص RMSE را به ترتيب از 0.56 به 0.32 (در پيش بيني يك ماه)، 0.96 به 0.66 (در پيش بيني سه ماهه) و 1.18 به 0.97 (در پيش بيني شش ماهه) كاهش داده است. نتايج پيش‌بيني عمق سطح آب زيرزميني با مدل‌هاي چهارگانه نشان داد كه اين مدل‌ها در پيش‌بيني گام‌هاي زماني كوتاه‌تر، داراي نتايج دقيقتر بوده و استفاده از آنها در پيش‌بيني‌هاي با تأخير زماني بيشتر از سه ماهه، نه‌تنها تأثير چنداني بر دقت مدل‌ نداشته بلكه در مدل‌هاي با پايه موجك، سبب كاهش دقت مي‌شود.