جلد 26، شماره 4 - ( علوم آب و خاک - زمستان 1401 )
جلد 26 شماره 4 صفحات 297-281 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Bigdeli S, Ebrahimi K, Hoorfar A, Davudirad A. Evaluation of ANFIS-GWO Combined Model in Predicting Groundwater Level of Saveh Zarandieh Plain, Iran. jwss 2023; 26 (4) :281-297
URL: http://jstnar.iut.ac.ir/article-1-4228-fa.html
URL: http://jstnar.iut.ac.ir/article-1-4228-fa.html
بیگدلی ساناز، ابراهیمی کیومرث، هورفر عبدالحسین، داودی راد علی اکبر. ارزیابی مدل ترکیبی ANFIS - GWO در پیش‌بینی تراز آب زیرزمینی دشت زرندیه ساوه. علوم آب و خاک. 1401; 26 (4) :281-297
دانشگاه تهران ، EbrahimiK@ut.ac.ir
چکیده: (1633 مشاهده)
در این تحقیق تدقیق شبکه عصبی فازی (ANFIS) در ترکیب با الگوریتم گرگ خاکستری (GWO-ANFIS) برای اولین بار در پیش‌بینی تراز آب زیرزمینی با کاربرد داده‌های چاپ نشدۀ مشاهده‌ای 1397-1377 از آبخوان زرندیه ارزیابی شد. سه چاه مشاهده‌ای بصورت تصادفی برای تجزیه و تحلیل انتخاب شد. بررسی معیارهای ارزیابی نشان داد که از بین سناریوهای بکار رفته با کاربرد مدل ترکیبی، سناریوی D با ترکیب داده‌های ورودی، تراز آب‌زیرزمینی ماه قبل، بارش، دما و بهره‌برداری از آب زیرزمینی به‌عنوان سناریو بهینه مدل ترکیبی انتخاب شد. برای سناریو D، چاه مشاهده‌ای اوّل پارامترهای MAPE، RMSE، NASH به‌ترتیب مساوی 0/29، 0/47 متر و 0/99 به‌دست آمد. برای چاه مشاهده‌ای دوّم سناریوی C با ترکیب داده‌های ورودی، تراز آب زیرزمینی ماه قبل، بارش و بهره‌برداری از آب زیرزمینی به‌عنوان سناریو بهینه انتخاب شد و برای همان پارامترها مقادیر 0/20 ، 0/26 متر و 0/99 به‌دست آمد. برای چاه سوّم سناریوی A با داده‌های ورودی، تراز آب زیرزمینی ماه قبل به‌عنوان سناریو بهینه مدل ANFIS-GWO انتخاب شد و مقادیر همان پارامترها برای این سناریو برابر 0/29، 0/41 متر و 0/99 به‌دست آمد. بر اساس نتایج، الگوریتم گرگ خاکستری در آموزش مدل ANFIS توانست میانگین خطای پیش‌بینی را به مقدار 03/ 0 (RMSE) و 0/02 (MAPE) متر کاهش و مقدار میانگین NASH را به میزان 0/01 افزایش و سبب افزایش دقت پیش‌بینی‌ها شود.
واژه‌های کلیدی: آب زیرزمینی، پایداری منابع آب، سیستم استنتاج فازی– عصبی تطبیقی، شبیه‌سازی، مدل هوشمند
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
