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

Abstract

کاهش نزولات جوی و برداشت بی‌رویه از آب‌های زیرزمینی در دهه‌های اخیر، به ویژه در مناطق خشک و نیمه‌خشک مانند شهرستان بیرجند در استان خراسان جنوبی، منجر به افت شدید سطح آب زیرزمینی و کاهش دبی قنات‌ها شده است. با توجه به اینکه شهرستان بیرجند با داشتن بیش از 1875 رشته قنات و تخلیه 23 میلیون مترمکعب در سال، بیشترین تعداد قنات‌ها را در سطح استان دارد و بیش از 90 درصد آب مصرفی در این شهرستان از طریق قنات‌ها تأمین می‌شود، پیش‌بینی دقیق دبی آن‌ها از اهمیت حیاتی برخوردار است. در این پژوهش، از شبکه عصبی فازی تطبیقی (ANFIS) به عنوان یک ابزار قدرتمند برای مدل‌سازی سیستم‌های 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 پیش‌بینی دقیقی از دبی آینده ارائه دهد. نتایج حاصل از این پژوهش نشان می‌دهد که مدل ANFIS با ضریب همبستگی 0/98، ضریب نش - ساتکلیف 0/97 و میانگین مربعات خطا 0/049، در مقایسه با سایر مدل‌ها با دقت بسیار بالایی قادر به پیش‌بینی دبی قنات‌ها است و می‌تواند در تصمیم‌گیری‌های مرتبط با مدیریت پایدار منابع آب زیرزمینی در منطقه مورد مطالعه مورد استفاده قرار گیرد.