ارزیابی روش های مختلف SOM-AI برای پیش بینی سطح آب زیرزمینی (مطالعه موردی: آبخوان دشت سلماس)

تغییرات سطح آب زیرزمینی، یکی از مهم ترین متغیرها در مدیریت آبخوان هاست که پیش بینی دقیق این متغیر می تواند در ارایه راهکارهای مدیریتی برای حفظ این مخازن آب شیرین استراتژیک به خصوص در مناطق خشک و نیمه خشک، مانند حوضه دریاچه ارومیه راهگشا باشد. با وجود توانایی بالای مدل های هوش مصنوعی AI در پیش بینی سطح آب زیرزمینی به دلیل ناهمگنی و ناهمسانی محیط های هیدروژیولوژیکی، گهگاه از کارایی پایینی برخوردارند؛ از اینرو، استفاده از روش هوشمند نگاشت خود سازمان ده SOM برای خوشه بندی چاه های مشاهدهای و ترکیب آن با مدل های مختلف هوش مصنوعی می تواند باعث بهبود نتایج حاصل از مدل سازی شد. در این پژوهش، روش های مختلف SOM-AI ، شامل ماشین بردار پشتیبان SOM-SVM و مدل فازی ساگنو SOM-SFL برای پیش بینی تغییرات سطح آبزیرزمینی به کار گرفته شدند. بدین ترتیب، چاه های مشاهده ای OW در سه گروه G2 ،G1 و G3 دسته بندی و برای هر گروه از چاه های مشاهده ای مدل سازی سطح آب زیرزمینی اجرا شد. ارزیابی نتایج با استفاده از معیارهای RMSE و NSE نشان داد که حداقل در سه چاه مشاهده ای OW6 ،OW2 ، OW9 مدل ترکیبی SOM-SFL عملکرد بهتری نسبت به بقیه داشت. در بقیه چاه های مشاهده ای مدل ترکیبی SOM- LSSVM برتری نسبی داشت

کلیدواژه ها:

سطح آب زیرزمینی ، منطق فازی ، ماشین بردار پشتیبان ، نگاشت خود سازمان ده.