مدل سازی تراز آب زیرزمینی با بهره گیری از مدل هیبرید موجک- شبکه عصبی مصنوعی (مطالعه موردی: دشت شریف آباد)
Abstract(in Persian; no English abstract is available)
منابع آب زیرزمینی یکی از مهمترین منابع تأمین آب میباشند، از اینرو مدلسازی آنها بسیار حائز اهمیت میباشد. ارزیابی و پیشبینی تراز آب زیرزمینی به پیشبینی منابع آب زیرزمینی کمک میکند. هدف این مطالعه ارزیابی عملکرد سه مدل رگرسیون خطی چندمتغیره (mlr)، مدل هیبرید موجک- شبکه عصبی (wnn) و شبکه عصبی مصنوعی (ann) در پیشبینی سطح آب زیرزمینی (gwl)، بر مبنای دو معیار ریشه خطای مربع متوسط (rmse) و ضریب کارایی نش- ساتکلیف (e) میباشد. دادههای استفاده شده در این پژوهش مربوط به دو حلقه چاه مشاهدهای در حوضه آبریز شریفآباد استان قم هستند. مدلسازی تراز آب زیرزمینی چاهها با استفاده از دادههای تراز آب زیرزمینی 15 سال و 6 ماه، برای پیشبینی تراز 19 ماهه دوره آزمون انجام شده است. نتایج نشان دادهاند که مدل موجک- شبکه عصبی تطابق بهتری با مقادیر مشاهدهای تراز آب زیرزمینی دارد.