پیش‌بینی سطح ایستابی با استفاده از سریهای زمانی و سیستم استنباط فازی ـ عصبی تطبیقی
چکیده
مدل سازی در مناطق خشک برای مدیریت بهینة منابع آب اهمیت ویژه ای دارد. آب زیرزمینی از مهم ترین منابع آبی در مناطق خشک محسوب می شود. هدف این پژوهش ارزیابی عملکرد سیستم استنباط فازی عصبی تطبیقی (انفیس) و مدل های سری زمانی در پیش بینی سطح ایستابی است. در این پژوهش، با استفاده از مدل های سری زمانی و مدل انفیس با توابع عضویت مختلف اقدام به پیش بینی یک ماه بعد سطح آبهای زیرزمینی دشت شیراز شد. بهترین ترکیب ورودی و طول داده های آموزشی و صحتسنجی در مدل انفیس با استفاده از آزمون گاما و m برآورد شد. عملکرد مدل‌های مختلف با پارامترهای خطا و دیاگرام تیلر مقایسه شد. نتایج مدل انفیس نشان داد که این مدل با تابع عضویت π شکل عملکرد بهتری نسبت به بقیة توابع عضویت دارد (241/1 rmse= و 953/0 mae=). مقایسة عملکرد مدل ها، حاکی از کارایی بسیار مناسب مدل خطی arima (2,1, 2) نسبت به مدل انفیس با توابع عضویت مختلف است (325/0 rmse= و 241/0 mae=). .