محمود اکبری

پیش بینی تراز آب زیرزمینی اولویتی ضروری برای برنامه ریزی و مدیریت منابع آب زیرزمینی می باشد. هدف از تحقیق حاضر مقایسه دقت سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) با مدل ترکیبی ANFIS آموزش دیده توسط الگوریتم بهینه سازی ازدحام ذرات (ANFIS+PSO) در پیش بینی ماهانه تراز آب زیرزمینی آبخوان گلپایگان طی سال های 97-1381 می باشد. بدین منظور از داده های ماهانه بارندگی، دما، تبخیر از تشت در ایستگاه های هواشناسی منتخب، حجم تخلیه از چاه های بهره برداری و تراز آب زیرزمینی چاه های مشاهده ای استفاده شده است. پس از انجام تحلیل مکانی و زمانی، چهار چاه مشاهده ای با دو ساختار داده ورودی (S1 و S2) برای پیش بینی تراز آب زیرزمینی انتخاب گردید. نتایج آزمون های روند و همگنی حاکی از معنی داری 99 درصدی تغییرات تراز آب زیرزمینی در چاه های مشاهده ای منتخب 4، 8، 19 و 20 با افت ناگهانی 22، 17، 27 و 2 متر به ترتیب در قبل و بعد از ماه های خرداد، شهریور، تیر و مرداد 1389 می باشد. بیشترین و کمترین دقت پیش بینی تراز آب زیرزمینی مربوط به چاه های مشاهده ای 20 و 4 با مقادیر ریشه میانگین مربعات خطا (RMSE) برابر 37/2 و 21/0 متر به ترتیب مربوط به مدل های ANFIS_S1 و ANFIS+PSO_S2 می باشد. نتایج کلی تحقیق حاکی از تأثیر بیشتر انتخاب تأخیرهای مناسب داده های ورودی (ساختار مدل) نسبت به ترکیب دو مدل (ANFIS و PSO) در افزایش دقت پیش بینی تراز آب زیرزمینی دارد، به طوری که ساختار مطلوب داده های ورودی و ترکیب الگوریتم بهینه ساز با مدل شبیه ساز به ترتیب 44 و 25 درصد دقت پیش بینی تراز آب زیرزمینی را افزایش داده اند.