مقايسه مدل‌هاي شبكه عصبي مصنوعي، سري زماني آريما و رگرسيون خطي چند متغيره در پيش‌بيني تغييرات سطح آب زيرزميني

پيش بيني نوسانات سطح آب زيرزميني، جهت برنامه ريزي در مناطق خشك و نيمه‌خشك امري ضروري است. در اين مطالعه براي پيش بيني نوسانات سطح آب زيرزميني دو پيزومتر واقع در دشت كرمان از مدل هاي شبكه عصبي مصنوعي، سري زماني آريما و رگرسيون خطي چند متغيره استفاده شد. براي دستيابي به اين منظور از عمق آب زيرزميني ماهانه پيزومترهاي مذكور طي سال هاي 1392-1381 استفاده گرديد. نتايج بررسي حالت هاي مختلف مدل سري زماني آريما نشان داد كه مدل سري زماني آريما (1و1و0) و (2و0و2) براي پيزومتر جنوب باغين و مدل سري زماني آريما (1و1و1) و (0و0و2) براي پيزومتر اراضي فرودگاه بهترين برازش را با داده ها داشته است. در مدل‌هاي شبكه عصبي مصنوعي MLP و RBF مدل MLP با 2 و 4 لايه پنهان براي پيزومترهاي جنوب باغين و مدل RBF با 8 و 10 لايه پنهان براي پيزومترهاي اراضي فرودگاه بهترين برازش را با داده‌ها داشته‌اند. در مدل‌سازي‌ با روش رگرسيون خطي چندمتغيره، براي هر دو پيزومتر بهترين روابط مدل رگرسيون خطي چندمتغيره به دست آمده نشان داد كه رابطه رگرسيون خطي چندمتغيره عمق آب زيرزميني ماه فعلي تابعي از عمق آب زيرزميني يك ماه قبل است؛ به عبارت ديگر عمق آب زيرزميني، بيشترين وابستگي را به عمق آب زيرزميني ماه قبل دارد. نتايج آزمون معيار خطا و همچنين نتايج مقايسه مقادير پيش‌بيني مدل‌هاي MLP، RBF ، ARIMA، و مدل رگرسيون خطي چند متغيره با مقادير واقعي پيزومترها نشان داد، كه پيش بيني عمق آب زيرزميني به وسيله مدل رگرسيون خطي چندمتغيره از مدل‌هاي شبكه عصبي و سري زماني آريما بهتر بوده است.