مقایسه روش های شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه شوری در برآورد شوری آب زیرزمینی (مطالعه موردی: اراضی پایاب سدحاجیلر)

پیش بینی شوری آب زیرزمینی به علت پیچیدگی فرآیندهای هیدرولوژیکی، خصوصیات سفره آب زیرزمینی و تغییرپذیری آن ها و نیز تاثیر پارامترهای مختلف بر میزان شوری آب زیرزمینی کار مشکلی است. امروزه استفاده از سیستم های هوش مصنوعی به عنوان راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است. در تحقیق حاضر قابلیت های مدل های شبکه های عصبی، منطق فازی-عصبی و منحنی سنجه دربراورد شوری آب زیرزمینی برای دو فصل در یک سال اراضی پایاب سدحاجیلر در استان آذربایجان شرقی مقایسه گردید و با استفاده از داده های دبی، شوری و تراز سطح ایستابی، مدل های مذکور و منحنی سنجه شوری تهیه گردیده است. همچنین دوره های آماری به دو فصل کم آبی و پرآبی تقسیم شده و کلیه مدل ها برای این دو دوره مورد آزمایش قرار گرفته اند. نتایج حاصل از این تحقیق نشان داد که منطق فازی-عصبی در مقایسه با شبکه های عصبی و منحنی سنجه از دقت بیشتری در برآورد شوری آب زیرزمینی برخوردار است و در بین الگوهای مختلف روش فازی-عصبی، الگوی اول (استفاده از دبی فصل)، با RMSE 55/1094 و R2 معادل 985/0 به عنوان بهترین الگو، و از بین الگوهای شبکه عصبی، الگوی سوم)استفاده هم زمان از پارامترهای دبی، سطح ایستابی فصل و دبی فصل قبل (با RMSE برابر 84/4066 و R2 معادل 82/0 به عنوان ضعیف ترین الگو شناخته شد. برتری الگوی منطق فازی-عصبی در مدل سازی پیک شوری و برآورد شوری سالیانه نسبت به دو روش دیگر به خصوص منحنی سنجه مشهود بوده است.