کاربرد الگوریتم K-Star در پیش بینی تراز آب زیرزمینی (مطالعه موردی: دشت آسپاس)

در این مطالعه تراز سطح آب زیرزمینی دشت آسپاس واقع در شمال غربی حوضه آبریز دریاچه های طشک-بختگان مهارلو در استان فارس با استفاده از داده های ۳۹ پیزومتر در محدوده آبخوان در دوره آماری ۹۶-۱۳۸۰ شبیه سازی شد. در این خصوص از دو مدل K-Star و ANN با تاخیرهای ۱، ۲ و ۳ در دو فاز آموزش و آزمایش استفاده شد. مدل ANN در این مطالعه علاوه بر تاخیرهای یاد شده با تعداد لایه پنهان و نورون متفاوت نیز مورد بررسی قرار گرفت. با توجه به افت و نوسانات سطح آب زیرزمینی در دوره آماری یاد شده، آبخوان مورد مطالعه به ۴ منطقه a، b، c و d تقسیم شد. نتایج شبیه سازی تراز سطح آب زیرزمینی در منطقه a نشان داد که مدل K-Star با ۲ تاخیر در این منطقه عملکرد بهتری نسبت به مدل ANN در تاخیرهای مختلف داشته است. اما در سه منطقه دیگر مدل ANN با تاخیر ۱ بهترین عملکرد را ارائه کرده است. مدل ANN با ۲ لایه پنهان و ۴ نورون در منطقه b، با ۲ لایه پنهان و ۶ نورون در منطقه c و با ۴ لایه پنهان و ۵ نورون در منطقه d بهترین الگو برای شبیه سازی مقادیر تراز سطح آب زیرزمینی معرفی شدند. به طور متوسط الگوهای برتر معرفی شده در مناطق b، c و d توانستند میزان خطا را نسبت به مدل K-Star به ترتیب حدود ۵۷، ۴۲ و ۸۱ درصد بهبود بخشند. عملکرد ضعیف مدل K-Star در دو منطقه b و d نیز به وضوح قابل مشاهده می باشد. به طور کلی نتایج نشان داد که تاخیر ۱ مدل ANN در مناطق سه گانه b، c و d با تعداد لایه پنهان و نرون های مختلف بهترین عملکرد را در شبیه سازی مقادیر تراز سطح ایستابی داشته است.

کلیدواژه ها:

افت سالانه ، پیزومتر ، شبکه عصبی مصنوعی ، مدل K-Star ، نوسان آب زیرزمینی