کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش­بینی مقادیر آتی توسط معیار اطلاعاتی آکائیک و جذر مربع میانگین خطاها مورد ارزیابی قرار گرفت. نتایج بررسی حالت­های مختلف مدل آریما نشان داد که مدل آریما(1,1,0) بهترین برازش  را با داده­ها دارد. در مدل شبکه عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا از سه تابع آموزشی لونبرگ مارکوآرت، پس انتشار ارتجاعی و شیب توأم مقیاس شده استفاده شد. با توجه به نتایج به دست آمده از بین سه تابع آموزشی، تابع لونبرگ مارکوآرت به عنوان بهترین تابع آموزشی برای پیش­بینی سطح آب زیرزمینی انتخاب گردید. برای ارزیابی و انتخاب روش بهتر، بین مدل سری زمانی تلفیقی آریما (1,1,0)و مدل شبکه عصبی پیش خور با الگوریتم پس انتشار خطا، از آماره­های میانگین مربع خطاها، میانگین قدر مطلق خطاها و ضریب بازدهی استفاده شد که مدل شبکه عصبی نسبت به سری زمانی تلفیقی برتری جزئی نشان داد.