پيش بيني تراز سطح ايستابي با استفاده از سامانه هاي هوشمند(مطالعه ي موردي: دشت شبستر)

Watertable Elevation Prediction in the Shabestar Plain Using the Artificial Intelligence Techniques

تخمين تراز سطح ايستابي از مسايل مهم و اساسي است كه در برنامه ريزي كشاورزي، مديريت منابع آب و تعيين نياز آبي گياهان بويژه در مواردي كه از راهكارهاي كم آبياري بهره برده شود، داراي اهميت فراواني است. آگاهي از تراز سطح ايستابي مي تواند در شوري و ماندابي شدن زمين وحتي زهكشي اراضي مفيد باشد. در تحقيق حاضر از سامانه هاي هوشمند استنتاج عصبي – فازي تطبيقي، شبكه هاي عصبي مصنوعي و برنامه ريزي ژنتيك براي تخمين تراز سطح ايستابي دشت شبستر در استان آذربايجان شرقي، واقع در شمال غرب ايران بهره وري گرديده است. دراين تحقيق از اطلاعات 20 پيزومتر كه داراي آمار بالاي 17 سال بودند، استفاده شده است. نتايج حاصل حاكي از توانايي مطلوب برنامه ريزي ژنتيك در تحليل پديده ي غير خطي تغييرات تراز سطح ايستابي است. با توجه به شاخص هاي آماري به كار گرفته شده در تحقيق حاضر، شبكه ي عصبي مصنوعي و نيز سامانه ي عصبي – فازي تطبيقي و برنامه ريزي ژنتيك قادر به تخمين دقيق تراز سطح ايستابي بوده و با وجود برخي تفاوت هاي جزيي در دقت حاصل از به كارگيري اين سه روش، كه روش برنامه ريزي ژنتيك را به عنوان بهترين روش پيشنهاد مي نمايد، هر سه روش از دقت قابل قبولي برخوردارند. نتايج نشان دادند كه شبيه عصبي – فازي به عنوان بهترين شبيه در تخمين هاي مبتني بر داده هاي 3 ماه قبل بوده و شبيه ژنتيك و عصبي مصنوعي به ترتيب در مراتب بعدي قرار دارند. همچنين راه حل هاي صريحي كه نشانگر ارتباط بين متغير هاي ورودي و خروجي مي باشند، بر مبناي برنامه ريزي ژنتيك ارايه گرديده اند كه اين امر بر ارجحيت شبيه هاي ژنتيك بر دو شبيه ديگر مي افزايد