ارزیابی روش های مختلف SOM-AI برای پیش بینی سطح آب زیرزمینی (مطالعه موردی: آبخوان دشت سلماس)

تغییرات سطح آب زیرزمینی، یکی از مهم ترین متغیرها در مدیریت آبخوان هاست که پیش بینی دقیق این متغیر می تواند در ارائه راهکارهای مدیریتی برای حفظ این مخازن آب شیرین استراتژیک به خصوص در مناطق خشک و نیمه خشک، مانند حوضه دریاچه ارومیه راهگشا باشد. با وجود توانایی بالای مدل های هوش مصنوعی (AI) در پیش بینی سطح آب زیرزمینی به دلیل ناهمگنی و ناهمسانی محیط های هیدروژئولوژیکی، گه گاه از کارایی پایینی برخوردارند؛ از این رو، استفاده از روش هوشمند نگاشت خود سازمان ده (SOM) برای خوشه بندی چاه های مشاهده ای و ترکیب آن با مدل های مختلف هوش مصنوعی می تواند باعث بهبود نتایج حاصل از مدل سازی شد. در این پژوهش، روش های مختلف SOM-AI، شامل ماشین بردار پشتیبان (SOM-SVM) و مدل فازی ساگنو (SOM-SFL) برای پیش بینی تغییرات سطح آب زیرزمینی به کار گرفته شدند. بدین ترتیب، چاه های مشاهده ای (OW) در سه گروه G1، G2 وG3 دسته بندی و برای هر گروه از چاه های مشاهده ای مدل سازی سطح آب زیرزمینی اجرا شد. ارزیابی نتایج با استفاده از معیارهای RMSE، r2 و NSE نشان داد که حداقل در سه چاه مشاهده ای OW2، OW6 و OW9، مدل ترکیبی SOM-SFL عملکرد بهتری نسبت به بقیه داشت. در بقیه چاه های مشاهده ای مدل ترکیبی SOM-LSSVM برتری نسبی داشت.