مقایسه مدل عددی، روش های هوشمند عصبی و زمین آمار در تخمین سطح آب زیرزمینی

مطالعه و تجزیه و تحلیل کمی آب های زیرزمینی به دلیل پیچیدگی فرآیندهای حاکم بر این منابع، دشوار و وقت گیر می باشد. مدل سازی به عنوان روشی کارآمد با کم ترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم می نماید. هدف این تحقیق مقایسه مدل عددی، روش های هوشمند عصبی و زمین آمار در مدل سازی تغییرات سطح آب زیرزمینی می باشد. بدین منظور اطلاعات آبخوان دشت همدان – بهار به عنوان یکی از مهم ترین منابع تامین آب منطقه، مورد مطالعه قرار گرفت. در این پژوهش از کد عددی MODFLOW در نرم افزار GMS، شبکه عصبی مصنوعی و روش عصبی - فازی در نرم افزارNeuroSolution ، روش عصبی – موجک در نرم افزار MATLAB و روش زمین آمار در نرم افزار ArcGIS استفاده گردید. مقایسه نتایج نشان داد که دقت روش های برآورد سطح آب زیرزمینی بر حسب کم ترین آماره مجذور میانگین مربعات خطای نرمال (NRMSE)، به ترتیب به روش عصبی - موجک، عصبی – فازی، زمین آمار، شبکه عصبی مصنوعی و مدل عددی تعلق داشت. به طوری که مقدار آماره NRMSE در روش عصبی - موجک به عنوان روش بهینه، برابر 0/11 درصد و در روش مدل عددی برابر 2/2 درصد بدست آمد. مقدار ضریب همسبتگی روش های فوق به ترتیب 0/998 و 0/904 بود. بنابراین می توان کاربرد روش های عصبی ترکیبی به ویژه نظریه موجک را در برآورد سطح آب زیرزمینی مناسب تر از روش زمین آمار و مدل عددی دانست. ضمن آن که در روش های هوشمند عصبی از متغیرهای زودیافت طول و عرض جغرافیایی و ارتفاع از سطح دریا به عنوان بردار اطلاعات ورودی استفاده شده بود.