بررسی پیش بینی نوسانات آب زیرزمینی با استفاده از هوش مصنوعی

اهمیت آب های زیرزمینی به عنوان یک منبع تامین آب در کشورهای خشک بخصوص ایران بر کسی پوشیده نیست. با توجه به روابط غیرخطی و پیچیده حاکم بر جریان آب های زیرزمینی، طراحی مدلی دقیق و درعین حال ساده ضرورتی اجتناب ناپذیر در جهت پیش بینی رفتار منابع آب زیرزمینی محسوب می گردد. استفاده از مدل های عددی برای شبیه سازی جریان آب زیرزمینی در بسیاری از مطالعات تحقیقاتی از چند دهه گذشته آغاز شده است. برای این منظور هدف از این مقاله بررسی و مقایسه ی روش های عددی شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، مدل استنتاج فازی و برنامه ریزی عبارت ژنتیک (GEP) است که برای پیش بینی تغییرات سطح ایستابی آب زیرزمینی مورد استفاده قرار می گیرند. مقایسه ی بین دو روش شبکه ی عصبی مصنوعی و ماشین بردار پشتیبان نشان داد که میانگین مربع خطای روش ANN کمتر بود اما عملکرد مدل SVM شبیه و یا حتی بهتر از مدل ANN در پیش بینی تغییرات سطح ایستابی بود. مقایسه ی بین نتایج بدست آمده با استفاده از ANFIS و GEP نشان داد که عملکرد مدل GEP کمی بهتر از مدل ANFIS در پیش بینی عمق سطح آب زیرزمینی است.

کلیدواژه ها:

سطح ایستابی آب زیرزمینی ، مدل های شبکه عصبی ، ماشین بردار پشتیبان ، استنتاج فازی