مدلسازی و تخمین تراز سطح آب زیر زمینی با استفاده از روش رگرسیون اسپلاین چندگانه تطبیقی

آبهای زیر زمینی یکی از مولفه های اصلی مدیریت منابع آب مخصوصا در مناطق خشک و نیمه خشک هستند. در این تحقیق به مدل سازی و تخمین تر از سطح آب زیر زمینی در منطقه ایلنوی ایالات متحده آمریکا با استفاده از مدل های محاسبات نرم شامل روش رگرسیون اسپلاین چندگانه تطبیقی (MARS) و شبکه عصبی چند لایه (ANN) پرداخته شد. بدین منظور حدودا ۷۰۰۰ داده تر از سطح آب که به صورت روزانه در بیست سال اخير(۲۰۰۱ تا ۲۰۲۱) در هریک از دو چاه مشاهداتی به نام های بوندویل و پری واقع شده در این منطقه) ثبت شده است استفاده گردید. نتایج نشان داد که هر دو مدل MARS و ANN به کمک یک روز تاخیر زمانی با دقتی به ترتیب برابر 0. 33=R2 = 0 . 98 , RMSE و 0.98= R2 و 0 . 30=RMSE در مرحل صحت سنجی توانایی مناسبی در مدل سازی و تخمین سطح آب زیر زمینی ایالت ایلینوی دارند. ساختار مدل MARS دارای دو تابع پایه و ساختار مدل ANN دارای لایه نهان که در لایه اول و دوم آن به ترتیب سه و يك نرون با تابع انتقال سیگموئید است. بررسی ساختار مدل های توسعه داده شده نشان میدهد که افزایش تعداد واحدهای تاخیز زمانی تاثیر چشمگیری بر افزایش دقت مدلسازی ندارد.

کلیدواژه ها:

مدل شبکه عصبی چند لایه ، روش رگرسیون اسپلاین چندمانه ، نوسانات سطح آب زیر زمینی ، مدیریت منابع آب ، مناطق خشک و نمیه خشک