ارزیابی دقت مدل ترکیبی موجک - عصبی فازی، عصبی فازی و موجک در پیش‌بینی سطح آب زیرزمینی (مطالعه موردی: دشت بیرجند)

Abstract

در سال‌های اخیر باتوجه‌به مشکل کمبود منابع آبی، مسئله استفاده و مدیریت بهینه این منابع اهمیت خاصی پیدا کرده است. به‌منظور آگاهی از وضعیت این منابع و مدیریت بهینه آنها، لازم است پیش‌بینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. امروزه مدل-های مختلفی در پیش‌بینی نوسانات سطح آب زیرزمینی ارائه شده که می‌توانند به استفادة پایدار از آب‌های زیرزمینی به‌منظور تأمین نیازهای شهری، کشاورزی و صنعتی کمک کنند. ازاین‌رو توجه خاصی به مدل‌های هوشمند شده است که می‌توان به مدل‌های سری زمانی، آنالیز موجک، شبکه‌های عصبی مصنوعی، مدل‌های ماشین بردار پشتیبان و غیره اشاره نمود. در این پژوهش از مدل تلفیقی موجک - عصبی فازی برای پیش‌بینی سطح آب زیرزمینی در دشت بیرجند بهره گرفته شد. در نهایت نتایج به‌دست‌آمده با نتایج مدل موجک و شبکه عصبی فازی مقایسه گردید. داده‌های مورد استفاده در این تحقیق شامل بارندگی، تبخیر، حداکثر درجه‌حرارت، متوسط درجه‌حرارت، حداقل رطوبت و تراز سطح آب زیرزمینی برای تعداد 16 پیزومتر به مدت 18 سال آماری است که به‌صورت ماهیانه اندازه-گیری شده‌اند. نتایج به‌دست‌آمده نشان داد که مدل ترکیبی موجک - عصبی فازی با توجه میزان ضریب میانگین مربعات خطا 19/0=RMSE و ضریب نش ساتکلیف 95/0= NSنسبت به سایر مدل‌ها از دقت بالاتری در پیش‌بینی سطح آب زیرزمینی برخوردار است. مدل موجک عصبی فازی به دلیل ترکیب و ادغام ویژگی‌های مفید تبدیل موجک، شبکه‌های عصبی و سیستم‌های فازی، نه‌تنها دقت پیش‌بینی را افزایش می‌دهد بلکه می‌تواند نگرش جامع‌تری به داده‌ها دهد.