ارزیابی دقت شبکه عصبی فازی در تخمین دبی قنات های شهرستان بیرجند

کاهش نزولات جوی و برداشت بی رویه از آب های زیرزمینی در دهه های اخیر، به ویژه در مناطق خشک و نیمه خشک مانند شهرستان بیرجند در استان خراسان جنوبی، منجر به افت شدید سطح آب زیرزمینی و کاهش دبی قنات ها شده است. با توجه به اینکه شهرستان بیرجند با داشتن بیش از ۱۸۷۵ رشته قنات و تخلیه ۲۳ میلیون مترمکعب در سال، بیشترین تعداد قنات ها را در سطح استان دارد و بیش از ۹۰ درصد آب مصرفی در این شهرستان از طریق قنات ها تامین می شود، پیش بینی دقیق دبی آن ها از اهمیت حیاتی برخوردار است. در این پژوهش، از شبکه عصبی فازی تطبیقی (ANFIS) به عنوان یک ابزار قدرتمند برای مدل سازی سیستم های پیچیده و غیرخطی استفاده شده است. این مدل قادر است روابط پیچیده بین متغیرهای ورودی (مانند بارندگی، تبخیر، سطح آب زیرزمینی) و خروجی (دبی قنات) را شناسایی کرده و پیش بینی دقیقی از دبی آینده ارائه دهد. نتایج حاصل از این پژوهش نشان می دهد که مدل ANFIS با ضریب همبستگی ۰/۹۸، ضریب نش - ساتکلیف ۰/۹۷ و میانگین مربعات خطا ۰/۰۴۹، در مقایسه با سایر مدل ها با دقت بسیار بالایی قادر به پیش بینی دبی قنات ها است و می تواند در تصمیم گیری های مرتبط با مدیریت پایدار منابع آب زیرزمینی در منطقه مورد مطالعه مورد استفاده قرار گیرد.

کلیدواژه ها:

قنات ، مدیریت منابع آب ، شبکه عصبی فازی ، شهرستان بیرجند