%0 Journal Article %T بررسی عملکرد مدل های داده مبنا در شبیه سازی گام‌های مختلف زمانی سطح آب زیرزمینی با استفاده از روش تلفیقی آزمون گاما و الگوریتم ژنتیک %J زمین شناسی کاربردی پیشرفته %I دانشگاه شهید چمران اهواز %Z 2251-7057 %A میرعربی, علی %A ناصری, حمید رضا %A نخعی, محمد %A علیجانی, فرشاد %D 2018 %\ 07/23/2018 %V 8 %N 2 %P 62-72 %! بررسی عملکرد مدل های داده مبنا در شبیه سازی گام‌های مختلف زمانی سطح آب زیرزمینی با استفاده از روش تلفیقی آزمون گاما و الگوریتم ژنتیک %K سطح آب زیرزمینی %K گاما تست %K شبکه عصبی مصنوعی %K رگرسیون بردار پشتیبان %K الگوریتم ژنتیک %R 10.22055/aag.2019.25611.1843 %X به منظور مدیریت پایدار منابع آب زیرزمینی، تعیین رفتار سطح آب زیرزمینی ضروری است. نوسانات سطح آب زیرزمینی فرآیندی غیرخطی و پیچیده است که مدل-های هوش محاسباتی داده مبنا قادر هستند بدون تقریب و ساده‌سازی به مدل‌سازی آن بپردازند. در این مطالعه میزان دقت و کارایی هر یک از مدل‌های داده مبنا هوش مصنوعی پرسپترون چند لایه (MLP)، استنتاجی فازی عصبی (ANFIS) و رگرسیون بردار پشتیبان(SVR) در شبیه‌سازی سه افق زمانی پیش‌رو (t+2, t+1 و t+3) سطح آب زیرزمینی دشت هشتگرد مورد ارزیابی قرار گرفت. در این راستا از قابلیت‌های روش آزمون گاما و تلفیق آن با الگوریتم ژنتیک (GA-GT) بمنظور انتخاب ترکیب ورودی بهینه و نیز روش M-Test در تعیین طول بهینه داده‌های آموزش مدل استفاده شد. نتایج مشخص کرد که دقت مدل‌های داده مبنا در شبیه سازی افق زمانیt+1 سطح آب زیرزمینی بیشتر از افق زمانی t+2 و t+3 است. بمنظور تعیین میزان عملکرد و کارایی مدل‌ها، نتایج براساس شاخص DDR مورد تحلیل قرار گرفت که محاسبات نشان داد مدل ANFIS در شبیه‌سازی افق زمانی اول بهترین عملکرد و کارایی را داشته است. همچنین استنباط شد که مدل MLP و ANFIS در شبیه‌سازی افق‌های ماهانه نزدیک‌تر و SVR در افق‌های ماهانه دور‌تر کاربرد بهتری دارند. %U https://aag.scu.ac.ir/article_14233_150865426b81769297d36a12ae512b67.pdf