توسعه و کاربرد مدل‌های عصبی، فازی، الگوریتم ژنتیک و زمین‌آمار در برآورد توزیع مکانی سطح ایستابی

در امر مدیریت پایدار منابع آب تجدیدپذیر در سطح یک آب‌خوان، تخمین سطح آب زیرزمینی از اهمیت زیادی برخوردار است. در این پژوهش از روش‌های هوشمند عصبی در قالب شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی، عصبی فازی و عصبی ژنتیک برای تخمین مقادیر نقطه‌ای سطح ایستابی در دشت همدان- بهار استفاده شد. به‌منظور برآورد سطح ایستابی در نقاط بدون اندازه‌گیری، مقادیر برآورد نقطه‌ای هر یک از روش‌های هوشمند عصبی در محیط زمین‌آمار کریجینگ پهنه‌بندی شد. در مجموع دقت روش‌های مورد استفاده بر حسب خطای کم‌تر مقادیر سطح ایستابی برآوردی به‌ترتیب به روش‌های عصبی ژنتیک، پرسپترون چندلایه، تابع پایه شعاعی و عصبی فازی تعلق داشت. به‌طوری‌که مجذور میانگین مربعات خطای روش عصبی ژنتیک در برآورد تغییرات مکانی سطح ایستابی برابر 431/0 متر با ضریب تبیین 996/0 بود. بیش‌ترین مقدار خطا به برآوردهای مدل شبکه عصبی فازی با خطای 27/1 متر و مدل شبکه تابع پایه شعاعی با خطای 81/0 متر تعلق داشت. هم‌چنین مقایسه تغییرات مکانی سطح ایستابی برآوردی از روش عصبی ژنتیک در محیط زمین‌آمار کریجینگ با مقادیر مشاهده‌ای نشان‌دهنده کاهش پراکنش نقاط و باریک‌تر بودن محدوده اطمینان 90 درصد بود. از این‌رو با استفاده از طول و عرض جغرافیایی به‌عنوان بردار اطلاعات ورودی، می‌توان به دقت اطلاعات بالا در برآورد تغییرات مکانی و پهنه‌بندی مقادیر سطح ایستابی اطمینان به‌دست آورد.