تخمین تغییرات آب زیرزمینی با استفاده از چهار تکنیک متفاوت شبکه عصبی تکاملی و داده های آب و هواشناسی (مطالعه موردی دشت عباس، استان ایلام)

در نواحی خشک و نیمه خشک، به دلیل کمبود جریان های سطحی، فشار عمده بر آب های زیرزمینی وارد می شود. سطح منابع آب زیرزمینی محدوده مورد مطالعه (دشت عباس) نیز به دلیل استفاده بی رویه، دچار افت شدید شده و بیش از 30 سال است که به عنوان دشت ممنوعه اعلام گردیده است. در این تحقیق، از چهار مدل متفاوت شبکه عصبی تکاملی شامل شبکه عصبی پرسپترون چندلایه با الگوریتم ژنتیک (ANN-GA)، بهینه سازی ازدحام ذرات (ANN-PSO)، الگوریتم رقابت استعماری (ANN-ICA) و بهینه سازی کلونی مورچگان (ANN-ACOR) برای تخمین سطح آب زیرزمینی استفاده شده است. داده های مورد استفاده شامل بارش، تبخیر، متوسط دمای سالانه، نفوذ موثر و داده های گذشته سطح آب زیرزمینی برای یک دوره 22 ساله است. ترکیب ورودی ها با استفاده از تجزیه و تحلیل خودهمبستگی، خودهمبستگی جزئی و همبستگی متقابل برای هر مدل آماده شده است. مدل های بهینه با تغییر پارامترهای کنترلی به دست آمده اند. بهترین دقت از بین مدل های ارائه شده برای ورودی (GWLt-1، GWLt-2 و Pt) به دست آمده است. دقت میانگین مربع خطا برای مدل های ANN-ICA، ANN-PSO، ANN-ACOR به ترتیب 0033/0، 0039/0 و 0044/0 و برای مدل ANN-GA 0030/0 به دست آمده است. روند تغییرات سطح آب زیرزمینی دشت در مقطع زمانی 72 تا 84 روند کاهشی و از سال 85 تا 94 با ورود آب سد کرخه، روند افزایشی داشته و بیلان آب دشت مثبت شده است. با توجه به نتایج به دست آمده، مدل ANN-GA عملکرد بهتری نسبت به سه مدل دیگر برای تخمین سطح آب زیرزمینی از خود نشان داده است.