مقايسه روش‌هاي سيستم استنتاج فازي عصبي تطبيقي، شبكه عصبي مصنوعي و برنامه‌ريزي بيان ژن در تخمين ميزان سختي آب زيرزميني (مطالعه موردي: دشت مازندران)

ميزان سختي آب زيرزميني عامل مهمي در مسائل هيدروژئولوژي و بويژه مطالعه كيفي آب هاي زيرزميني مي باشد. در چند دهه اخير سيستم هاي هوش مصنوعي كاربرد زيادي در علوم مختلف از جمله مديريت منابع آب داشته است. در اين پژوهش تخمين ميزان سختي آب زيرزميني دشت مازندران، با استفاده از برنامه ريزي بيان ژن مورد بررسي قرار گرفته و نتايج آن با  ساير روش هاي هوشمند همچون شبكه عصبي مصنوعي و سيستم استنتاج فازي عصبي تطبيقي مقايسه شده است،  براي اين منظور هيدروژن كربنات، كلريد، سولفات، منيزيم و كلسيم در مقياس زماني ماهانه در طي دوره آماري (1373-1393) بعنوان ورودي و ميزان سختي آب بعنوان پارامتر خروجي انتخاب گرديد. معيارهاي ضريب همبستگي، ريشه ميانگين مربعات خطا، ميانگين قدر مطلق خطا و ضريب نش ساتكليف براي ارزيابي و نيز مقايسه عملكرد روش ها مورد استفاده قرار گرفت. نتايج حاصله نشان داد مدل برنامه ريزي بيان ژن داراي بيش ترين ضريب همبستگي 960/0، كمترين ريشه ميانگين مربعات خطاppm  112/0، ميانگين قدر مطلق خطا ppm 171/0 و نش ساتكليف880/0 در مرحله صحت سنجي در اولويت قرار گرفت. در مجموع نتايج نشان داد كه مدل برنامه ريزي بيان ژن توانايي بالايي در تخمين  برخي مقادير  بيشينه و مياني ميزان سختي آب زيرزميني دارد.