1. استادیار، بخش تکنولوژی آبیاری، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز، ایران، sedghamiz@shirazu.ac.ir
چکیده: (1064 مشاهده)
جهت مدیریت موثر و بهینه منابع آب زیرزمینی، انجام پیشبینیهای دقیق نسبت به جمیع شرایط حاکم بر آبخوانها و در رأس آن نوسانات عمق و تراز آب زیرزمینی، ضروری میباشد. هدف از انجام این مطالعه که در محدوده قُطبآباد از توابع شهرستان جهرم واقع در استان فارس انجام شدهاست، شناسایی چاههایی است که بهترین پیشبینی را برای عمق آب زیرزمینی در چاههای دیگر ممکن میسازند. جهت نیل به این هدف در مطالعه حاضر، از سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) به همراه الگوریتمهای یادگیری مختلف (Hybrid, GA, PSO) استفاده شدهاست. به این منظور، اطلاعات عمق آب زیرزمینی مربوط به 7 چاه مشاهدهای موجود در سطح دشت، در بازه زمانی مهر ماه 1387 الی شهریورماه 1403 بکار گرفته شدهاست. جهت سنجش دقت مدلها از شاخـصهای جـذر میانگین مربعات خطا (RMSE)، میانگین درصد مطلق خطا (MAPE) و میانگین قدر مطلق خطا (MAE) استفاده شدهاست. بر این اساس، چاه مشاهدهای شماره 2 بهعنوان قویترین تخمینگر بهترتیب برای چاههای مشاهدهای شماره 1 و 4 و چاه مشاهدهای شماره 5 بهعنوان ضعیفترین تخمینگر بهترتیب برای چاههای 3 و 6 انتخاب شدهاند. همچنین چاه مشاهدهای شماره 4 بهعنوان یک تخمینگر متوسط، عنوان بهترین تخمینگر برای چاههای شماره 2، 5 و 7 و دومین تخمینگر بهینه، برای چاههای 1، 3 و 6 کسب نموده است، لذا بهعنوان یک وجه تمایز با سایر چاهها، این چاههمواره رتبه اول و یا دوم را در تخمین عمق آب زیرزمینی برای سایر چاههای مشاهدهای بهدست آورده است. در این میان قویترین رابطه خطی بین مقادیر مشاهده شده و پیشبینی شده عمق آب زیرزمینی، برای چاه مشاهدهای شماره 4 با متوسط ضریب تعیین 9945/0 برای سه روش یادگیری مذکور بهدست آمده است و ضعیفترین رابطه خطی نیز برای چاه مشاهدهای شماره 3 با متوسط ضریب تعیین 7435/0 برای همان سه روش یادگیری حاصل شده است. در مجموع روش هیبرید، ضمن دارا بودن بیشترین سرعت در اجرا، بهعنوان دقیقترین روش و روش ژنتیک الگوریتم، با کسب بیشترین زمان اجرا، بهعنوان کم دقتترین روش، معرفی میشوند.
