مقایسه مدلهای شبکه عصبی مصنوعی، ANFIS و رگرسیونی در برآورد سطح ایستابی آبخوان دشت نیشابور

آب زیرزمینی و مدیریت منابع آب نقش کلیدی در پایداری منابع آب در نواحی خشک و نیمه خشک ایفا می کند. دشت نیشابور یکی از مهمترین دشتهای پر آب در استان خراسان رضوی می باشد که نقش مهمی در تولید محصولات کشاورزی ایفا می کند. برداشت بی رویه از این منابع باعث ایجاد متوسط افت 74 سانتیمتر در سال شده است. هدف از این مطالعه ارزیابی روش های آماری کلاسیک، سیستم های خبره (شبکه عصبی مصنوعیANN و سیستم های استنتاج فازی عصبیANFIS) در پیش بینی سطح آب زیرزمینی می باشد. در این تحقیق پارامترهای موثر بر تغییرات سطح ایستابی مانند بارندگی و تخلیه بصورت ماهانه تعیین شد و با استفاده از روش های زمین آماری نقشه های پهنه بندی شده ماهانه بدست آمد. بانک اطلاعاتی مورد نیاز بر ای آموزش و آزمایش سیستم های خبره از نقشه های رستری و با استفاده از نرم افزار ArcGIS9.3 حاصل شد. از نتایج فوق رابطه رگرسیونی پارامترهای موثر بر عمق سطح ایستابی بدست آمد. نتایج روش های مذکور نشان داد که برای مدل ANN بهترین دقت به ورودیa آذر ماه با0.94 R2= و 5.78 MAE=متر نسبت داده شد و در مدل ANFIS ورودی b شهریورماه با 0.86 R2=و 8.84 MAE=متر بهترین کارآیی را داشتند. مدل رگرسیونی همواره کمترین دقت را داشته اند.