استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیشبینی سطح آب زیرزمینی

منابع آب زیرزمینی از مهمترین منابع تامین آب هستند، لذا مدلسازی آنها حایز اهمیت میباشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازههای مهندسی، مصارف کشاورزی و حصول آبهای زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. عمده تقاضا برای آب شرب و کشاورزی در دشت مشگینشهر نیز از طریق آب زیرزمینی تامین میشود. در این تحقیق چهار مدل هوش مصنوعی که عبارتند از شبکه عصبی پیشرو، شبکه عصبی برگشتی، منطق فازی ساگنو و ماشینبردار پشتیبان برای پیشبینی سطح آب زیرزمینی استفاده شدند. با توجه به نزدیک بودن نتایج به دست آمده و با توجه به این مسیله که مدلهای مختلف در مراحل مختلف مدلسازی نتایج متفاوتی ارایه دادند، انتخاب یکی از مدلها به عنوان مدل منتخب معقول به نظر نمیرسید. لذا از ترکیب غیر خطی این چهار مدل که مدل هوش مصنوعی مرکب نظارت شد ه نامیده میشود، برای ترکیب نتایج این مدلها استفاده شد تا نتایج به دست آمده تقویت شده و از توانایی مدلهای مختلف به طور همزمان استفاده شود. 2 استفاده شد. نتایج نشان دادند که مدل SCMAI با مقادیر R 2 به منظور ارزیابی کارایی و دقت مدلها در پیشبینی، از دو معیار مختلف RMSE و Rبرابر 85/0 و 90/0 به ترتیب برای پیزومترهای شماره 1 و 2 در مرحله آموزش بهترین پیشبینی را نسبت به هر کدام از چهار مدل منفرد هوش مصنوعی ارایه کرده است. همچنین مدل SCMAI توانست RMSE پیشبینی را تا 9 %درصد برای پیزومتر شماره یک و 17 %درصد بر ای پیزومتر شماره دو کاهش دهد.