مزایای شبکه عصبی موجکی در پیش بینی نوسانات سطح آب زیرزمینی

امروزه سازمان ها و شرکت های مرتبط با منابع آب برای مدیریت منابع آب زیرزمینی از مدلهای عددی استفاده می کنند اما این مدلها برای عملکرد مناسب نیاز به پارامترها و ورودیهای متنوع و دقیقی دارند ضمنا اجرای این مدلها زمان بر و پرهزینه است با توجه به طبیعت حاکم بر اغلب مسائل علوم هیدروژئولوژی هیدرولوژی و مهندسی منابع آب پیچیدگی های خاص آن ها و مردود بودن گزینه مدلسازی فیزیکی در مورد اغلب آنها از شبکه عصبی مصنوعی ANN تئوری فازی Fuzzy و تئوری موجک wavelet به عنوان رویکردهای جدید دراین زمینه استقبال قابل توجهی به عمل آمده است از مطالعاتی که در زمینه مدلسازی منابع آبی با این روشها صورت گرفتها ست چنین براورد می شود که این روشها از نظر دقت و مدت زمان پیش بینی چندان راضی کننده نبوده اند. دراین تحقیق از یک مدل ترکیبی جدید تحت عنوان شبکه عصبی موجکی به منظور پیش بینی سطح آب در دشت قروه استفاده شده است.

کلیدواژه ها:

انالیز موجک ، دشت قروه ، سطح آ ب زیرزمینی ، شبکه عصبی موجکی ، MODFLOW