ارزيابي الگوريتم هاي انتخابات، رقابت استعماري و روش شبكه عصبي مصنوعي در بررسي روند افت تراز سطح ايستابي دشت رشتخوار

Modeling the Groundwater Level of Reshtkhar Plain Using Artificial Neural Network Method and Election and Imperialist Competituve Algorithms

سطح ايستابي در مناطق خشك و نيمه خشك كشور، نيازمند پيش بيني دقيق و كارآمدي از نوسانات آن مي باشد. استفاده از روش هاي نوين از جمله الگوريتم هاي فراابتكاري، شبكه هاي عصبي مصنوعي و روش هاي فازي، جهت توليد داده هاي سطح آب مصنوعي و پيش بيني آينده تراز سطح ايستابي به دليل كارآيي بسيار بالاي خود، بسيار كاربردي است. در پژوهش حاضر، با استفاده از روش هاي الگوريتم هاي انتخابات و رقابت استعماري، شبكه عصبي مصنوعي، داده هاي ماهانه به مدت 9 سال و هم چنين عمق سطح آب زيرزميني 10 حلقه چاه مشاهده اي، به پيش بيني زماتي 7 ساله تراز سطح ايستابي دشت رشتخوار در استان خراسان رضوي پرداخته شد. به منظور آموزش مدل ها از اطلاعات 10 چاه مشاهده اي كه داراي آمار 9 ساله (1385-93) بودند استفاده گرديد، به نحوي كه از 70 درصد داده ها به عنوان داده هاي آموزشي به مدل معرفي و 30 درصد داده ها به عنوان آزمون براي واسنجي به كار گرفته شد. نتايج روش الگوريتم انتخابات، تراز سطح ايستابي آبخوان رشتخوار را براي سال 1400 را بين 14 و 16/5 متر در مناطق مختلف دشت پيش بيني كرد .براساس محاسبه هاي انجام شده و نتايج به دست آمده از پارامترهاي آماري، الگوريتم انتخابات به ترتيب با مقادير ريشه ميانگين مربعات خطا (RMSE)، ضريب همبستگي (R2) و معيار نش- ساتكليف (NSE)، 0/90 ،0/029 و 0/73 نسبت به دو روش شبكه عصبي مصنوعي و الگوريتم رقابت استعماري، داراي توانايي قابل توجهي در پيش بيني تراز سطح ايستابي بود.

Evaluating the groundwater level in arid and semi-arid regions of the country requires accurate prediction and efficiency of its fluctuations. The use of modern methods, including evolutionary algorithms, artificial neural networks and fuzzy methods, is very useful for prediction the groundwater level and generating artificial water surface data due to its high efficiency. In this research, by using Election and Imperialist Competitive Algorithms, artificial neural network, monthly data for 9 years as well as groundwater level of 10 wells, predicted the 7-year the groundwater level of Reshtkhar plain in khorasan-Razavi. In order to train the models, the statistic data was provided on 10 observation wells with a 9-year (2002-2014), which 70% of the data was introduced as training data to the model and 30% of the data was used as a test for calibration of the model. The results of the Election Algorithm predicted Reshtkhar groundwater level for the year 1400, between 14 to 16.5 meters in diffirent areas of the plain. Based on the calculations and the results obtained from the statistical parameters, the Election algorithm was RMSE, R2 and NSE, 0.029, 0.90 and 0.73 respectively, compared with the two methods of artificial neural network and Imperialist Competitive Algorithm has a significant ability to predicte the groundwater level.