علی اصغر میرزایی - دانشجوی کارشناسی ارشد گروه مهندسی آب دانشگاه تبریز
امیرحسین ناظمی - استاد گروه مهندسی آب دانشگاه تبریز

تخمین تراز سطح ایستابی از مسایل مهم و اساسی است که در برنامه ریزی کشاورزی، مدیریت منابع آب و تعیین نیاز آبی گیاهان بویژه در مواردی که از راهکارهای کم آبیاری بهره برده شود، دارای اهمیت فراوانی است. آگاهی از تراز سطح ایستابی می تواند در شوری و ماندابی شدن زمین وحتی زهکشی اراضی مفید باشد. در تحقیق حاضر از سامانه های هوشمند استنتاج عصبی – فازی تطبیقی، شبکه های عصبی مصنوعی و برنامه ریزی ژنتیک برای تخمین تراز سطح ایستابی دشت شبستر در استان آذربایجان شرقی، واقع در شمال غرب ایران بهره وری گردیده است. دراین تحقیق از اطلاعات ۲۰ پیزومتر که دارای آمار بالای ۱۷ سال بودند، استفاده شده است. نتایج حاصل حاکی از توانایی مطلوب برنامه ریزی ژنتیک در تحلیل پدیده ی غیر خطی تغییرات تراز سطح ایستابی است. با توجه به شاخص های آماری به کار گرفته شده در تحقیق حاضر، شبکه ی عصبی مصنوعی و نیز سامانه ی عصبی – فازی تطبیقی و برنامه ریزی ژنتیک قادر به تخمین دقیق تراز سطح ایستابی بوده و با وجود برخی تفاوت های جزیی در دقت حاصل از به کارگیری این سه روش، که روش برنامه ریزی ژنتیک را به عنوان بهترین روش پیشنهاد می نماید، هر سه روش از دقت قابل قبولی برخوردارند. نتایج نشان دادند که شبیه عصبی – فازی به عنوان بهترین شبیه در تخمین های مبتنی بر داده های ۳ ماه قبل بوده و شبیه ژنتیک و عصبی مصنوعی به ترتیب در مراتب بعدی قرار دارند. همچنین راه حل های صریحی که نشانگر ارتباط بین متغیر های ورودی و خروجی می باشند، بر مبنای برنامه ریزی ژنتیک ارائه گردیده اند که این امر بر ارجحیت شبیه های ژنتیک بر دو شبیه دیگر می افزاید.

برنامه ریزی ژنتیک, تخمین, تراز سطح ایستابی, سامانه ی عصبی- فازی تطبیقی, شبکه های عصبی