@article { author = {Rabiee, Mobina and karami, hojat}, title = {Estimation of Temporal and Spatial Variations of Groundwater Level by Combining Intelligent Models and Geostatistical Methods )Semnan Plain(}, journal = {Irrigation and Water Engineering}, volume = {12}, number = {3}, pages = {220-242}, year = {2022}, publisher = {انجمن علمی مهندسی آبیاری و آب ایران}, issn = {2251-7359}, eissn = {}, doi = {10.22125/iwe.2022.146404}, abstract = {Due to the complexity of the nature of groundwater systems as well as the limitations of borehole drilling, temporal and spatial modeling of groundwater levels are not readily possible. Artificial intelligence methods such as RBF, ANN, SVR, ANFIS and ARIMA modeling and their combination with geostatistical methods have been used to find useful solutions for spatial prediction of groundwater level. The case study of this study is Semnan plain. The first step is the temporal modeling of groundwater level using different methods. The results showed that the ANFIS model provides more accurate prediction of the monthly groundwater level in the experimental stage than other methods (R2 = 0.994 and RMSE = 0.041). Next step, the ANFIS output data is used as input data for the geostatistical model and the linear kriging model is selected as the best model for spatial development of groundwater level. (R2 = 0.8889 and RMSE = 2.376). The results of this study showed that the combination of ANFIS model and linear kriging model is an appropriate method for temporal and spatial prediction of groundwater level.}, keywords = {: time forecast,spatial forecast,groundwater level,Geostatistical}, title_fa = {تخمین تغییرات زمانی و مکانی سطح آب زیرزمینی با تلفیق مدل‌های هوشمند و روش‌های زمین آماری(دشت سمنان)}, abstract_fa = {به­ دلیل پیچیدگی­های موجود در طبیعت سیستم­های آب زیرزمینی و همچنین محدودیت­های موجود در حفر گمانه‌ها، مدل­سازی زمانی و مکانی تراز آب زیرزمینی به آسانی میسر نمی­باشد. به­ منظور یافتن راهکارهایی مفید برای پیش­بینی زمانی-مکانی سطح آب زیرزمینی، از روش­های هوش مصنوعی مانند RBF, ANN, SVR, ANFIS و مدل­سازی ARIMA و ترکیب آن­ها با روش­های زمین­آماری استفاده شده است. مطالعه موردی این تحقیق دشت سمنان می‌باشد. مرحله اول، مدل­سازی زمانی سطح آب زیرزمینی با استفاده از روش‌های مختلف انجام گرفته است. نتایج نشان داد که مدل ANFIS نسبت به روش‌های دیگر پیش­بینی ماهانه تراز آب زیرزمینی را در مرحله آزمایش با دقت بالاتری ارائه می‌دهد (994/0= R2 و 041/0 = .( RMSEمرحله بعد، از داده­های خروجی ANFIS، به عنوان داده­های ورودی مدل زمین­آمار استفاده شده است و مدل کریجینگ خطی به عنوان بهترین مدل برای توسعه مکانی تراز آب زیرزمینی انتخاب گردیده است (8889/0=R2 و 376/2=(RMSE  . نتایج این پژوهش نشان داد که تلفیق مدل ANFIS و مدل کریجینگ خطی، یک روش مناسب برای پیش­بینی زمانی و مکانی تراز آب زیرزمینی می‌باشد.}, keywords_fa = {پیش‌بینی زمانی,پیش‌بینی مکانی,تراز آب زیرزمینی,زمین آمار,ANFIS}, url = {https://www.waterjournal.ir/article_146404.html}, eprint = {https://www.waterjournal.ir/article_146404_644f6c965a30aa491e1930168e052644.pdf} }