مدل سازی تراز آب زیرزمینی با بهره گیری از مدل هیبرید موجک- شبکه عصبی مصنوعی (مطالعه موردی: دشت شریف آباد)

منابع آب زیرزمینی یکی از مهمترین منابع تأمین آب می باشند، از اینرو مدل سازی آنها بسیار حائز اهمیت می باشد. ارزیابی و پیش بینی تراز آبزیرزمینی به پیش بینی منابع آب زیرزمینی کمک می کند. هدف این مطالعه ارزیابی عملکرد سه مدل رگرسیون خطی چندمتغیره (MLR) مدل هیبرید موجک - شبکه عصبی (WNN) و شبکه عصبی مصنوعی (ANN) در پیش بینی سطح آب زیرزمینی (GWL)، بر مبنای دو معیار ریشه خطای مربع متوسط (RMSE) و ضریب کارایی نش- ساتکلیف (E) می باشد. داده های استفاده شده در این پژوهش مربوط به دو حلقه چاه مشاهدهای در حوضه آبریز شریف آباد استان قم هستند. مدل سازی تراز آب زیرزمینی چاه ها با استفاده از داده های تراز آب زیرزمینی 15 سال و 6 ماه، برای پیش بینی تراز 19 ماهه دوره آزمون انجام شده است. نتایج نشان داده اند که مدل موجک- شبکه عصبی تطابق بهتری با مقادیر مشاهدهای تراز آب زیرزمینی دارد.

کلیدواژه ها:

دشت شریف آباد ، تراز آب زیرزمینی ، شبکه عصبی مصنوعی ، تبدیل موجک ، رگرسیون خطی چند متغیره