TY - JOUR ID - 119509 TI - ارزیابی ترکیب الگوریتم‌های بهینه‌سازی و سیستم استنتاج فازی- عصبی تطبیقی در مقایسه با مدل‌های سری‌های زمانی در تخمین سطح آب زیرزمینی JO - تحقیقات منابع آب ایران JA - IWRR LA - fa SN - 1735-2347 AU - زینعلی, معصومه AU - انصاری قوجقار, محمد AU - مهری, یاسر AU - حسینی, سید موسی AD - دانشگاه تهران AD - دانشجوی دکتری تخصصی مهندسی منابع آب،گروه مهندسی آبیاری و آبادانی دانشگاه تهران،کرج،ایران AD - دانشکده جغرافیا، دانشگاه تهران Y1 - 2020 PY - 2020 VL - 16 IS - 3 SP - 245 EP - 256 KW - مدل‌سازی KW - سطح آب زیرزمینی KW - SARIMA KW - ANFIS KW - الگوریتم‌های تکاملی DO - N2 -  به‌منظور مدیریت و بهره­برداری بهینه از منابع آب زیر‌زمینی آگاهی از تغییرات مکانی- زمانی سطح ایستابی و لزوم پیش­بینی و مدل‌سازی آنها به‎منظور شناخت دقیق­تر رفتار آبخوان نسبت به محرک­های طبیعی و انسانی، امری ضروری است. با توجه به توسعه روزافزون فرامدل­ها و ترکیب آنها با الگوریتم­های بهینه­سازی به منظور مدل‌سازی و پیش­بینی متغیرهای هیدروژئولوژیکی، این سؤال که استفاده از مدل­های ترکیبی چقدر می‌تواند عملکرد فرامدل‌ها را بهبود بخشد، مطرح می‌شود. به منظور تلاشی در جهت یافتن پاسخ، در این پژوهش، چهار الگوریتم بهینه‌سازی فراکاوشی ازدحام ذرات (PSO)، ژنتیک (GA)، کلونی مورچگان (ACOR) و تکاملی تقاضلی (DE) با مدل سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) ترکیب شد. عملکرد چهار مدل­ ترکیبی توسعه داده شده با مدل ANFIS و مدل سری زمانی (SARIMA) به عنوان مدل­ مرجع، جهت تخمین سطح آب زیرزمینی متوسط ماهانه آبخوان دشت صحنه در استان کرمانشاه، در بازه زمانی 19 سال آبی ارزیابی شد. به‎منظور مقایسه بهتر نتایج مدل­ها، متغیرهای ورودی یکسان از تراز آب زیرزمینی در گام­های زمانی مختلف (حداکثر 4 ماه بر اساس تابع خودهمبستگی تراز آبخوان) برای آنها درنظر گرفته شد. نتایج شاخص­های نکویی برازش در مرحله آموزش و آزمون نشان داد اختلاف معنا‌داری بین مدل سری زمانی SARIMA نسبت به سایر مدل‌های ترکیبی مورد استفاده، وجود ندارد. اما با توجه به اینکه SARIMA فرآیندهای میانگین متحرک، اتورگرسیون، تغییرات فصلی و تأخیر را در مدل‌سازی اعمال می‌کند، در مدل‌سازی سطح آب زیرزمینی می­تواند بیشتر مورد توجه قرار گیرد. مقادیر RMSE برترین مدل‌ ترکیبی (ANFIS-GA) و SARIMA به ترتیب 0950/0 و 1012/0 متر به دست آمد. همچنین نتایج به دست آمده نشان داد که ترکیب الگوریتم­های بهینه‌سازی درنظر گرفته شده با مدل ANFIS نتایج مدل را نسبت به مدل انفرادی ANFIS به­صورت معنی‌داری بهبود نمی­بخشد. نتایج این تحقیق می­تواند محققان را در انتخاب آگاهانه مدل مناسب در پیش­بینی زمانی سطح ایستابی آبخوان با توجه به معیارهای کارآیی، زمان و هزینه محاسبات و آماده­سازی داده­ها جهت ورود به مدل­ها کمک نماید. UR - https://www.iwrr.ir/article_119509.html L1 - https://www.iwrr.ir/article_119509_59b9fa4647abd05c10d294d0adce7327.pdf ER -