کارایی الگوریتم هیبریدی ازدحام ذرات در شبیه سازی سطح تراز ایستابی (مطالعه موردی: آبخوان دشت اردبیل)

آب زیرزمینی و مدیریت منابع آب نقش کلیدی در پایداری منابع آب در نواحی خشک و نیمه خشک ایفا می­کند. پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. در این تحقیق از مدل های شبکه عصبی مصنوعی و مدل شبکه عصبی مصنوعی مبتنی بر الگوریتم ازدحام ذرات برای تخمین تراز آب زیرزمینی دشت اردبیل استفاده شده است. داده­های مورد استفاده شامل تراز سطح ایستابی طی یک دوره آماری ۱۳۵۱ تا ۱۳۹۰ بوده است. ورودی مدل ها در این مطالعه تراز سطح ایستابی در ماه­های مختلف بوده است. برای بررسی نتایج دو مدل مذکور از معیارهای ارزیابی مجذور میانیگن مربعات خطا، ضریب همبستگی و ضریب نش­-ساتکیف استفاده شده است. در نهایت نتایج حاکی از عملکرد بهتر مدل شبکه عصبی مصنوعی-ازدحام ذرات بوده است. نتایج مجذور میانگین مربعات خطای مدل برتر در فصل بهار، تابستان، پاییز و زمستان به ترتیب برابر با ۴۶۷/۰، ۵۰۷/۰، ۳۰۹/۰، ۳۸۶/۰ بوده است. این نتایج نشان می­دهد که ساختار هیبریدی شبکه در بخش آموزش باعث افزایش دقت مدل شده است. بنابراین از مدل مذکور می­توان در تخمین تراز سطح ایستابی دشت اردبیل با دقت قابل قبول استفاده کرد.

کلیدواژه ها:

Particle Swarm algorithm ، Groundwater level ، Ardabil plain ، Artificial neural network ، الگوریتم ازدحام ذرات ، تراز آب زیرزمینی ، دشت اردبیل ، شبکه عصبی مصنوعی