دانشگاه تبریز هیدروژئولوژی 2588-3011 3 2 2019 02 20 Groundwater Level Prediction of Ajabshir Plain using Fuzzy Logic, Neural Network Models and Time Series پیش‌بینی سطح آب زیرزمینی با استفاده از مدل‌های منطق فازی، شبکه عصبی و سری‌ زمانی 69 81 5856 10.22034/hydro.2019.5856 FA بهزاد سعیدی رضوی استادیار پژوهشی گروه پژوهشی ساختمانی و معدنی، پژوهشکده فناوری و مهندسی، پژوهشگاه استاندارد، کرج، ایران. علیرضا عرب کارشناس ارشد مهندسی آب Journal Article 2016 12 25 Groundwater system studies to understanding its behavior, requires the exploratory drilling wells, pumping test and geophysical experiments, which can carried out with most cost. For this reason, simulation of groundwater flows by mathematical and computer models, which is an indirect method to groundwater studies, is being spent a few costs. In this research, the efficiency of artificial neural network, fuzzy logic and time series models has been investigated in groundwater level estimation of Ajabshir plain. Parameters of precipitation, temperature, flow rate and water level within time period of the previous month were used as input and the water table in each period were selected as output through monthly scale (2007-2018). To evaluating the performance of models, Correlation coefficient, root mean square error and coefficient of mean absolute error were used. The results showed that the Fuzzy Logic model are able to estimate water levels with acceptable accuracy. Gaussian functions was a membership functions of fuzzy model in groundwater level prediction, which fitted to the classified data and the output membership function of the sageno model is a function which is based on the inputs. In terms of accuracy, fuzzy logic model with the highest correlation coefficient (0.96), lowest root mean square error (0.068 m) and mean absolute error (0.056 m) was recognized as a best the model in the groundwater level prediction.       در مطالعات آب‌های زیرزمینی، تغییرات سطح ایستابى از اهمیت فراوانی برخوردار است. به همین دلیل، امروزه شبیه‌سازی جریان آب زیرزمینی توسط مدل‌های ریاضی و کامپیوتری که یک روش غیرمستقیم مطالعه آب زیرزمینی می‌ّباشد، با صرف هزینه کمتر صورت می‌گیرد. پیش‌بینی سطح آب زیرزمینی یک حوضه نقش مهمی را در مدیریت منابع آبی ایفا می‌کند. به‌خصوص در مناطق نیمه‌خشک آب‌های زیرزمینی نقش بسیار مهمی در تعیین آب مورد نیاز، کشاورزی، شهری و امور صنعتی دارد. در این تحقیق کارایی مدل­های شبکه­های عصبی مصنوعی، منطق فازی و سری زمانی در تخمین سطح آب زیرزمینی آبخوان دشت عجب‌شیر مورد بررسی قرار گرفت. پارامترهای بارندگی، دما، دبی جریان و تراز سطح ایستابی در دوره زمانی ماه قبل به‌عنوان ورودی و تراز سطح ایستابی در دوره موردنظر به‌عنوان خروجی مدل‌ها در مقیاس زمانی ماهانه در طی دوره آماری (1396-1385) انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسه عملکرد مدل‌ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد که مدل‌ منطق فازی می‌تواند تراز سطح ایستابی را با دقت قابل قبولی پیش‌بینی نماید. توابع عضویت استفاده شده برای مدل­سازی فازی سطح ایستابی، تابع عضویت گوسی بود که به داده­های دسته‌بندی شده برازش داده شد و نیز تابع عضویت خروجی مدل ساگنو تابعی است خطی که بر اساس ورودی­ها ساخته می‌شود. در مورد دقت، مدل منطق فازی با بیشترین با ضریب همبستگی، کمترین ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا به عنوان بهترین مدل برای پیش‌بینی سطح آب زیرزمینی شناخته شد. https://hydro.tabrizu.ac.ir/article_5856_5d6f2de4f27ac5d372887ada73663cf2.pdf