کارایی الگوریتم هیبریدی ازدحام ذرات در شبیه سازی سطح تراز ایستابی (مطالعه موردی: آبخوان دشت اردبیل)

آب زیرزمینی و مدیریت منابع آب نقش کلیدی در پایداری منابع آب در نواحی خشک و نیمه خشک ایفا می کند. پیش بینی تراز آب زیرزمینی به منظور مدیریت و برنامه ریزی منابع آب، بسیار مهم است. در این تحقیق از مدل های شبکه عصبی مصنوعی و مدل شبکه عصبی مصنوعی مبتنی بر الگوریتم ازدحام ذرات برای تخمین تراز آب زیرزمینی دشت اردبیل استفاده شده است. داده های مورد استفاده شامل تراز سطح ایستابی طی یک دوره آماری 1351 تا 1390 بوده است. ورودی مدل ها در این مطالعه تراز سطح ایستابی در ماه های مختلف بوده است. برای بررسی نتایج دو مدل مذکور از معیارهای ارزیابی مجذور میانیگن مربعات خطا، ضریب همبستگی و ضریب نش -ساتکیف استفاده شده است. در نهایت نتایج حاکی از عملکرد بهتر مدل شبکه عصبی مصنوعی-ازدحام ذرات بوده است. نتایج مجذور میانگین مربعات خطای مدل برتر در فصل بهار، تابستان، پاییز و زمستان به ترتیب برابر با 467/0، 507/0، 309/0، 386/0 بوده است. این نتایج نشان می دهد که ساختار هیبریدی شبکه در بخش آموزش باعث افزایش دقت مدل شده است. بنابراین از مدل مذکور می توان در تخمین تراز سطح ایستابی دشت اردبیل با دقت قابل قبول استفاده کرد.