چکیده مقاله ارزیابی ترکیب الگوریتم های بهینه سازی و سیستم استنتاج فازی- عصبی تطبیقی در مقایسه با مدل های سری های زمانی در تخمین سطح آب زیرزمینی
به منظور مدیریت و بهرهبرداری بهینه از منابع آب زیر زمینی آگاهی از تغییرات مکانی- زمانی سطح ایستابی و لزوم پیشبینی و
مدل سازی آنها بهمنظور شناخت دقیقتر رفتار آبخوان نسبت به محرکهای طبیعی و انسانی، امری ضروری است. با توجه به توسعه روزافزون فرامدلها و ترکیب آنها با الگوریتمهای بهینهسازی به منظور
مدل سازی و پیشبینی متغیرهای هیدروژئولوژیکی، این سوال که استفاده از مدلهای ترکیبی چقدر می تواند عملکرد فرامدل ها را بهبود بخشد، مطرح می شود. به منظور تلاشی در جهت یافتن پاسخ، در این پژوهش، چهار الگوریتم بهینه سازی فراکاوشی ازدحام ذرات (PSO)، ژنتیک (GA)، کلونی مورچگان (ACOR) و تکاملی تقاضلی (DE) با مدل سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) ترکیب شد. عملکرد چهار مدل ترکیبی توسعه داده شده با مدل
ANFIS و مدل سری زمانی (SARIMA) به عنوان مدل مرجع، جهت تخمین
سطح آب زیرزمینی متوسط ماهانه آبخوان دشت صحنه در استان کرمانشاه، در بازه زمانی ۱۹ سال آبی ارزیابی شد. بهمنظور مقایسه بهتر نتایج مدلها، متغیرهای ورودی یکسان از تراز آب زیرزمینی در گامهای زمانی مختلف (حداکثر ۴ ماه بر اساس تابع خودهمبستگی تراز آبخوان) برای آنها درنظر گرفته شد. نتایج شاخصهای نکویی برازش در مرحله آموزش و آزمون نشان داد اختلاف معنا داری بین مدل سری زمانی
SARIMA نسبت به سایر مدل های ترکیبی مورد استفاده، وجود ندارد. اما با توجه به اینکه
SARIMA فرآیندهای میانگین متحرک، اتورگرسیون، تغییرات فصلی و تاخیر را در
مدل سازی اعمال می کند، در
مدل سازی سطح آب زیرزمینی میتواند بیشتر مورد توجه قرار گیرد. مقادیر RMSE برترین مدل ترکیبی (ANFIS-GA) و
SARIMA به ترتیب ۰۹۵۰/۰ و ۱۰۱۲/۰ متر به دست آمد. همچنین نتایج به دست آمده نشان داد که ترکیب الگوریتمهای بهینه سازی درنظر گرفته شده با مدل
ANFIS نتایج مدل را نسبت به مدل انفرادی
ANFIS بهصورت معنی داری بهبود نمیبخشد. نتایج این تحقیق میتواند محققان را در انتخاب آگاهانه مدل مناسب در پیشبینی زمانی سطح ایستابی آبخوان با توجه به معیارهای کارآیی، زمان و هزینه محاسبات و آمادهسازی دادهها جهت ورود به مدلها کمک نماید.