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 آبخوان‌هاست 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 حوضة دریاچه ارومیه راهگشا باشد. با وجود توانایی بالای مدل های هوش مصنوعی (ai) در پیش‌بینی سطح آب زیرزمینی به‌دلیل ناهمگنی و ناهمسانی محیط های هیدروژئولوژیکی، گه گاه از کارایی پایینی برخوردارند؛ از این‌رو، استفاده از روش هوشمند نگاشت خود سازمان‌ده (som) برای خوشه بندی چاه های مشاهده ای و ترکیب آن با مدل های مختلف هوش مصنوعی می تواند باعث بهبود نتایج حاصل از مدل‌سازی شد. در این پژوهش، روش‌های مختلف som-ai، شامل ماشین بردار پشتیبان (som-svm) و مدل فازی ساگنو (som-sfl) برای پیش بینی تغییرات سطح آب زیرزمینی به‌کار گرفته شدند. بدین‌ترتیب، چاه های مشاهده ای (ow) در سه گروه g1، g2 وg3 دسته بندی و برای هر گروه از چاه های مشاهده ای مدل‌سازی سطح آب زیرزمینی اجرا شد. ارزیابی نتایج با استفاده از معیارهای rmse، r^2 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 بقیة چاه های مشاهده ای مدل ترکیبی som-lssvm برتری نسبی داشت.