ارزيابي مدل تركيبي ANFIS - GWO در پيش‌بيني تراز آب‌ زيرزميني دشت زرنديه ساوه

در اين تحقيق تدقيق شبكه عصبي فازي (ANFIS) در تركيب با الگوريتم گرگ خاكستري (GWO-ANFIS) براي اولين بار در پيش‌بيني تراز آب زيرزميني با كاربرد داده‌هاي چاپ نشدۀ مشاهده‌اي 1397-1377 از آبخوان زرنديه ارزيابي شد. سه چاه مشاهده‌اي بصورت تصادفي براي تجزيه و تحليل انتخاب شد. بررسي معيارهاي ارزيابي نشان داد كه از بين سناريوهاي بكار رفته با كاربرد مدل تركيبي، سناريوي D با تركيب داده‌هاي ورودي، تراز آب‌زيرزميني ماه قبل، بارش، دما و بهره‌برداري از آب زيرزميني به‌عنوان سناريو‌ بهينه مدل تركيبي انتخاب شد. براي سناريو D، چاه مشاهده‌اي اوّل پارامترهاي NASH، RMSE، MAPE به‌ترتيب مساوي 0/29، 0/47 متر و 0/99 به‌دست آمد. براي چاه مشاهده‌اي دوّم سناريوي C با تركيب داده‌هاي ورودي، تراز آب زيرزميني ماه قبل، بارش و بهره‌برداري از آب زيرزميني به‌عنوان سناريو بهينه انتخاب شد و براي همان پارامترها مقادير 0/20 ، 0/26 متر و 0/99 به‌دست آمد. براي چاه سوّم سناريوي A با داده‌هاي ورودي، تراز آب زيرزميني ماه قبل به‌عنوان سناريو بهينه مدل ANFIS-GWO انتخاب شد و مقادير همان پارامترها براي اين سناريو برابر 0/29، 0/41 متر و 0/99 به‌دست آمد. بر اساس نتايج، الگوريتم گرگ خاكستري در آموزش مدل‌ ANFIS توانست ميانگين خطاي پيش‌بيني را به مقدار 03/ 0 (RMSE) و 0/02 (MAPE) متر كاهش و مقدار ميانگين NASH  را به ميزان 0/01 افزايش و سبب افزايش دقت پيش‌بيني‌ها شود.