مقایسه مدل رگرسیون فازی امکانی و رگرسیون کمترین مربعات فازی در پیش‌بینی تراز سطح ایستابی آبخوان دشت نیشابور

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، ایران

2 استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، ایران

3 دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند.

چکیده

آب‌های زیرزمینی، همواره به‌عنوان یکی از منابع مهم در تأمین آب شرب، کشاورزی و صنعت به‌ویژه در مناطق خشک و نیمه‌خشک مطرح بوده‌اند. دشت نیشابور نیز استفاده از آب‌های زیرزمینی را به‌عنوان مهم‌ترین منبع تولید آب شیرین پیش-رو دارد و با کسری مخزنی حدود 200 میلیون مترمکعب مواجه می باشد. ازاین‌رو در پژوهش حاضر روش‌های رگرسیون فازی امکانی و رگرسیون کمترین مربعات فازی در پیش‌بینی تراز سطح ایستابی آبخوان دشت نیشابور مورد ارزیابی قرار گرفت. به‌منظور آزمون مدل‌ها، از اطلاعات 57 چاه مشاهده‌ای از سال 1357 تا 1387 استفاده شد، پارامترهای بارش، تراز سطح ایستابی و تخلیه با اعمال تأخیر زمانی یک و دوماهه به‌عنوان ورودی مدل در نظر گرفته شد و کارایی هریک از مدل-های رگرسیون فازی امکانی و کمترین مربعات فازی در برآورد تراز سطح ایستابی مقایسه گردید. نتایج نشان داد، خروجی مدل‌ها به دلیل وجود نوسانات سطح آب در ماه‌های مختلف، متفاوت بدست آمد. در تمامی ماه‌های سال، مدل رگرسیون امکانی فازی دقت بالاتری در تخمین تراز سطح آب زیرزمینی ارائه داد. یافته‌های پژوهش مشخص کرد دقت برآورد در ماه‌های زمستان برای هر دو مدل پایین‌تر از سایر فصول است. بالاترین ضریب تبیین و کمترین مقادیر آماره‌های میانگین مطلق خطا و جذر مربعات خطا برای هر دو مدل رگرسیون فازی در ماه‌های بهار مشاهده شد. گرچه بالاترین دقت در ماه خرداد با R2 و RMSE به ترتیب 93/0 و 05/6 برای مدل رگرسیون امکانی فازی بود. بر اساس شاخص‌های اعتبارسنجی، مدل رگرسیون امکانی فازی به‌مراتب نتایج دقیق‌تری در برآورد تراز سطح ایستابی آبخوان دشت نیشابور نشان داد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Comprison Of Fuzzy Posibilistic Regression And Fuzzy Least Square Regression Models To Estimate Groundwater Level Of Neyshaboor Aquifer

نویسندگان [English]

  • Sepide Zeraati Neyshabouri 1
  • Mohsen Pourreza Bilondi 2
  • Abbas Khashei Siuki 3
  • Ali Shahidi 3
1 Department of Water science and Engineering, Faculty of Agriculture, University of Birjand, Iran
2 Assistant Professor, Department of Water science and Engineering, Faculty of Agriculture, University of Birjand, Iran
3 Associate Professor, Department of Water science and Engineering, Faculty of Agriculture, University of Birjand, Iran
چکیده [English]

Groundwater has always been considered as one of the main sources of drinking, agriculture and industrial water, especially in arid and semi-arid regions. Neyshabour Plain also faced to the use of groundwater as the most important and only source of freshwater. Unallowable discharges of the groundwater resources and the reduction of recharge factors, cuses about 200 million cubic meters deficit in Neyshabour aquifer. Thus In the present study the Fuzzy Possibilistic Regression and Fuzzy Least Square Regression approachs were evaluated in order to forecasting the groundwater changes in Neyshabour aquifer. The results indicated that The output of the models varies, This was due to fluctuations in water levels in different months. In all months of the year, the fuzzy Possibilistic regression model provides a higher degree of accuracy in groundwater level estimation. The research findings showed that the lowest estimation accuracy were observed in winter for both models. the most accuracy predicts was in august for both models, Though the best estimation with R2, RMSE and MAE of applied model was 0.93, 6.05 and 6.0 for Fuzzy Possibilistic Regression. It can be conducted that based on R2, MAE and RMSE measures, the efficiency of newly developed formulas based on fuzzy regression method in estimate the groundwater table is proper.

کلیدواژه‌ها [English]

  • Groundwater
  • Pizometer
  • Fuzzy Regression
  • Fuzzy least square regression
  • Neyshabour plain