مقايسه مدل هاي رگرسيون كلاسيك و رگرسيون فازي در برآورد تراز سطح ايستابي آبخوان دشت نيشابور

Comprison Of Classic And Fuzzy Regression Models To Estimate Groundwater Level Of Neyshabour Aquifer

در مناطق خشك و نيمه‌خشك، كمبود آب‌هاي سطحي موجب استفاده‌ي بيشتر از منابع آب زيرزميني شده است. دشت نيشابور يكي از مهم‌ترين دشت‌هاي پر آب در استان خراسان رضوي مي‌باشد كه نقش مهمي در توليد محصولات كشاورزي ايفا مي‌كند. كاهش نزولات جوي از يك‌سو و برداشت بي‌رويه از اين منابع آب زيرزميني از سوي ديگر، باعث ايجاد متوسط افت 74 سانتيمتر در سال شده است. لذا هدف از پژوهش حاضر مقايسه‌ي روش‌هاي آماري كلاسيك (رگرسيون خطي چندگانه) و رويكرد فازي (رگرسيون امكاني فازي) در پيش‌بيني سطح آب زيرزميني دشت نيشابور مي¬باشد. بدين منظور پارامترهاي مؤثر بر تراز سطح آبخوان شامل بارندگي و تخليه تعيين شد و با استفاده از روش¬هاي زمين‌آماري نقشه¬هاي پهنه¬بندي به دست آمد و درنهايت با استفاده از مدل‌هاي رگرسيون فازي و كلاسيك سعي در برآورد تراز سطح آب زيرزميني شد. يافته‌هاي پژوهش نشان داد دقت مدل رگرسيون فازي در پيش‌بيني سطح ايستابي به‌مراتب بالاتر از مدل مبتني بر رگرسيون كلاسيك بوده است. بالاترين دقت پيش‌بيني براي مدل رگرسيون فازي امكاني در ماه خرداد با6/05=R2،=93 RMSE و 6/01=MAE مشاهده‌شده است. درنهايت مي‌توان استفاده از رگرسيون فازي را به‌عنوان رويكردي نوين در برآورد تراز سطح ايستابي با دقت و كارايي مناسب، توصيه نمود.

The shortages of surface water in arid and semi-arid areas have led to more use of groundwater resources. Neyshabour plain is one of the most plains of Khorasan Razavi province, which has an important role in agricultural production. Due to the reduction of the Groundwater recharge factors and Unallowable discharges of the resources, annually 74 cm decline in groundwater table in Neyshabour plain were observed. Hence the objective current study was comprision of Classic And Fuzzy Regression Models in forecasting the monthy groundwater changes in Neyshabour aquifer. For this propose, the parameters affecting aquifer level including monthly precipitation and discharge detected and fuzzy and classic regression approachs is employed for to estimate groundwater level of Neyshabour Aquifer. The results represent that the most accuracy predicts was in august with R2, RMSE and MAE of applied model was 0.93, 6.05 and 6.01 respectively. In conclusion the results obtained from this study, based on R2, MAE and RMSE measures, show the better efficiency of newly developed formulas based on fuzzy regression method in estimate the groundwater table with proper accuracy