بررسي پيش بيني نوسانات آب زيرزميني با استفاده از هوش مصنوعي

اهميت آب هاي زيرزميني به عنوان يك منبع تامين آب در كشورهاي خشك بخصوص ايران بر كسي پوشيده نيست. با توجه به روابط غيرخطي و پيچيده حاكم بر جريان آب هاي زيرزميني، طراحي مدلي دقيق و درعين حال ساده ضرورتي اجتناب ناپذير در جهت پيش بيني رفتار منابع آب زيرزميني محسوب مي گردد. استفاده از مدل هاي عددي براي شبيه سازي جريان آب زيرزميني در بسياري از مطالعات تحقيقاتي از چند دهه گذشته آغاز شده است. براي اين منظور هدف از اين مقاله بررسي و مقايسه ي روش هاي عددي شبكه عصبي مصنوعي (ANN)، ماشين بردار پشتيبان (SVM)، مدل استنتاج فازي و برنامه ريزي عبارت ژنتيك (GEP) است كه براي پيش بيني تغييرات سطح ايستابي آب زيرزميني مورد استفاده قرار مي گيرند. مقايسه ي بين دو روش شبكه ي عصبي مصنوعي و ماشين بردار پشتيبان نشان داد كه ميانگين مربع خطاي روش ANN كمتر بود اما عملكرد مدل SVM شبيه و يا حتي بهتر از مدل ANN در پيش بيني تغييرات سطح ايستابي بود. مقايسه ي بين نتايج بدست آمده با استفاده از ANFIS و GEP نشان داد كه عملكرد مدل GEP كمي بهتر از مدل ANFIS در پيش بيني عمق سطح آب زيرزميني است.