مهدی کرد

تغییرات سطح آب زیرزمینی، یکی از مهمترین 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 مدلهای 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 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، 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 و G3 دسته بندی و برای هر گروه از چاه های مشاهده ای مدلسازی 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-SFLعملکرد بهتری نسبت به بقیه داشت. در بقیه چاه های مشاهده مدل ترکیبی SOM- LSSVM برتری نسبی داشت.