توانایی مدل های آماری و عصبی مصنوعی در ارزیابی آبدهی چشمه های کارستی

تغییرات آبدهی چشمه های کارستی تحت تاثیر عواملی مانند میزان بارش و شدت آن، وسعت و نوع سازند کارستی، حوضه آبگیر چشمه و درجه کارست شدگی هر منطقه می باشد که تحلیل آن را مشکل می سازند.مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل نوسانات آبدهی (هیدروگراف) چشمه های کارستی می باشند. در این تحقیق با استفاده ازداده های 10 ساله هیدروگراف چشمه کارستی ازناو به شبیه سازی نوسانات آبدهی و تهیه هیدروگراف با مدل آماری (مدل فصلی ضربی باکس جنکینز SARIMA) بعنوان یک مدل خطی و نیز با استفاده از یکی از مدل های هوش مصنوعی (شبکه عصبی مصنوعی ANN) بعنوان یک مدل غیر خطی اقدام گردید. بهترین مدل خطی، 12 (1،1،1) (2،1،1)SARIMA و بهترین مدل غیرخطی (4،3،1) ANN از طریق معیار ارزیابی خطا تعیین گردید.این تحقیق نشان داد که مدلهای آماری باکس جنکینز و شبکه عصبی قادر هستند که نوسانات آبدهی چشمه های کارستی را بخوبی شبیه سازی نماید و با مقایسه هر دو مدل مشخص گردید که مدلهای ANN بسیار دقیق و کارا و قابل اعتماد بوده و دارای معیارهای ارزیابی خطا خیلی پایین تری هستند.

کلیدواژه ها:

چشمه کارستی ، هیدروگراف ، شبیه سازی ، شبکه عصبی ، SARIMA