مقایسه عملکرد سه روش هوشمند به منظور پیش بینی نوسانات سطح ایستابی (مطالعه موردی: دشت زرین گل)

آب زیرزمینی مهم ترین منابع تامین آب در جهان برای مصارف خانگی و شرب می باشد. در این خصوص، سیاست تامین آب مناسب به خصوص در طول فصول خشک مستلزم پیش بینی نوسانات تراز آب با دقت قابل قبول می باشد. در این پژوهش به مقایسه عملکرد سه روش هوش مصنوعی برای پیش بینی نوسانات تراز سطح ایستابی پرداخته شده است. این مدل ها شامل شبکه های عصبی مصنوعی، سامانه استنتاج تطبیقی فازی- عصبی و برنامه ریزی بیان ژن می باشند که برای پیش بینی سری زمانی تراز سطح آب در حوضه زرین گل در استان گلستان به کار گرفته شدند. داده های تراز سطح آب در مقیاس ماهانه در دوره آماری 89-1359 برای آموزش و آزمون مدل ها استفاده شدند. پارامترهای آماری شامل ریشه میانگین مربعات خطا (RMSE) و ضریب تعیین (2R) به منظور بررسی عملکرد مدل ها به کار گرفته شدند. نتایج به دست آمده بیانگر آن بودند که هر سه روش شبکه های عصبی، فازی- عصبی و برنامه ریزی بیان ژن می توانند به طور موفقیت آمیزی برای پیش بینی نوسانات سطح ایستابی مورد استفاده قرار گیرند. در بهترین حالت اجرای مدل، بالاترین مقدار ضریب تعیین، برای چاه های سلاخ غیب (R2=0.83)، کوچک خرطوم (R2=0.80) و ایمرتره ملا (R2=0.84) محاسبه شد، که مقادیر بالا مربوط به روش برنامه ریزی بیان ژن می باشد. از طرفی عملکرد مدل برنامه ریزی بیان ژن در مقایسه با دو روش دیگر از جنبه های مختلف بهتر بود. در روش برنامه ریزی بیان ژن می توان رابطه ریاضی حاکم بر مساله مورد بررسی را به صورت دقیق مشخص نمود.