کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

پیش بینی نوسانات سطح آب زیرزمینی، برای برنامه ریزی مناسب تر به ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل های سری زمانی و شبکه عصبی استفاده شد. برای مدل سازی، اطلاعات سطح آب زیرزمینی در طی سال های 88-1366 استفاده و مدل های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده ها برازش داده شد. کارآیی و دقت مدل های آریما در پیش بینی مقادیر آتی توسط معیار اطلاعاتی آکائیک و جذر مربع میانگین خطاها مورد ارزیابی قرار گرفت. نتایج بررسی حالت های مختلف مدل آریما نشان داد که مدل آریما(1،1،0) بهترین برازش را با داده ها دارد. در مدل شبکه عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا از سه تابع آموزشی لونبرگ مارکوآرت، پس انتشار ارتجاعی و شیب توام مقیاس شده استفاده شد. با توجه به نتایج به دست آمده از بین سه تابع آموزشی، تابع لونبرگ مارکوآرت به عنوان بهترین تابع آموزشی برای پیش بینی سطح آب زیرزمینی انتخاب گردید. برای ارزیابی و انتخاب روش بهتر، بین مدل سری زمانی تلفیقی آریما (1،1،0)و مدل شبکه عصبی پیش خور با الگوریتم پس انتشار خطا، از آماره های میانگین مربع خطاها، میانگین قدر مطلق خطاها و ضریب بازدهی استفاده شد که مدل شبکه عصبی نسبت به سری زمانی تلفیقی برتری جزئی نشان داد.