شبیه سازی تراز سطح آب زیرزمینی با بکارگیری دو روش موجک - سیستم استنتاج فازی عصبی (anfis) و موجک - شبکه عصبی (mpl) و مقایسه آن ها با یکدیگر (مطالعه موردی دشت ارسنجان)

تخمین تراز آب زیرزمینی به دلیل تاثیر آن در مدیریت منابع آب، می تواند نقش اقتصادی مهمی داشته باشد. با روش های مختلفی می توان تراز آب زیرزمینی را پیش بینی کرد. از روش هایی که اخیرا توجه بسیاری از پژوهشگران را به خود جذب نموده است، استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی – عصبی تطبیقی می باشد. امروزه سیستم های هوشمند فازی و عصبی با توجه به توانایی در حل پدیده های غیر خطی و پیچیده، کاربردهای فراوانی در مسائل مختلف مهندسی آب از جمله هیدرولوژی پیدا کرده اند، در این تحقیق به ارزیابی این سیستم ها در پیش بینی تراز آب زیرزمینی دشت ارسنجان پرداخته می شود. بدین منظور از داده های تراز آب زیرزمینی و بارندگی در دوره آماری 21 ساله (1392-1371) در 13 چاه مشاهده ای استفاده گردید. نتایج حاصله نشان دادند که سیستم استنتاج فازی عصبی تطبیقی (gussian) می تواند تراز آب زیرزمینی را در 2 ماه آینده برای 13 چاه مشاهده ای بهتر از شبکه عصبی مصنوعی (mlp) پیش بینی کند .نتایج این مطاله نشان دهنده این است که بهترین نتیجه شبیه سازی مربوط به الگوی (w-1) از روش موجک سیستم استنتاج فازی عصبی است. که در این الگو ضریب هبستگی (r) برابر 0.9786 است که نزدیک ترین عدد بدست آمده به 1 می باشد. و میانگین مربعات خطا و مجذور میانگین مربعات خطا به ترتیب برابر 0.0005909 و 0.0243 بوده که نزدیک ترین عدد بدست آمده به صفر می باشد. هم چنین نتیایج نشان می دهد که روش شبیه سازی موجک شبکه عصبی در مقایسه با روش موجک سیستم استنتاج فازی عصبی دارای دقت کافی نمی باشد و در هر سه الگو نتایج ضعیف تری به دست می دهد.