توانايي مدل هاي آماري و عصبي مصنوعي در ارزيابي آبدهي چشمه هاي كارستي

تغییرات آبدهی چشمه های كارستی تحت تاثیر عواملی مانند میزان بارش و شدت آن، وسعت و نوع سازند كارستی، حوضه آبگیر چشمه و درجه كارست شدگی هر منطقه می باشد كه تحلیل آن را مشكل می سازند.مدلهای فیزیكی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل نوسانات آبدهی (هیدروگراف) چشمه های كارستی می باشند. در این تحقیق با استفاده ازداده های 10 ساله هیدروگراف چشمه كارستی ازناو به شبیه سازی نوسانات آبدهی و تهیه هیدروگراف با مدل آماری (مدل فصلی ضربی باكس جنكینز SARIMA) بعنوان یك مدل خطی و نیز با استفاده از یكی از مدل های هوش مصنوعی (شبكه عصبی مصنوعی ANN) بعنوان یك مدل غیر خطی اقدام گردید. بهترین مدل خطی، 12 (1،1،1) (2،1،1)SARIMA و بهترین مدل غیرخطی (4،3،1) ANN از طریق معیار ارزیابی خطا تعیین گردید.این تحقیق نشان داد كه مدلهای آماری باكس جنكینز و شبكه عصبی قادر هستند كه نوسانات آبدهی چشمه های كارستی را بخوبی شبیه سازی نماید و با مقایسه هر دو مدل مشخص گردید كه مدلهای ANN بسیار دقیق و كارا و قابل اعتماد بوده و دارای معیارهای ارزیابی خطا خیلی پایین تری هستند.