ارزیابی مدل شبکه عصبی موجک در پیش بینی منابع آب زیرزمینی (مطالعه موردی: استان لرستان، ایران)

در سال­های اخیر، برداشت بی­رویه آب های زیرزمینی باعث افت شدید سطح آب های زیرزمینی شده است،که خطراتی همچون نشست زمین را درپی داشته است. لذا پیش­بینی قابل اطمینان سطح آب های زیرزمینی برای مدیریت این منابع حائز اهمیت است. در این پژوهش جهت پیش بینی سطح آب های زیرزمینی محدوده های مطالعاتی ازنا- الیگودرز، دورود-بروجرد، سلسله و دلفان واقع در استان لرستان از شبکه عصبی موجک استفاده شد و نتایج آن با روش شبکه عصبی مصنوعی مقایسه گردید. پارامترهای بارش، دما، دبی جریان و تراز سطح ایستابی در دوره زمانی ماه قبل به عنوان ورودی و تراز سطح ایستابی در دوره موردنظر به عنوان خروجی مدل ها در مقیاس زمانی ماهانه در طی دوره آماری (۱۳۸۱-۱۳۹۸) انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش-ساتکلیف برای ارزیابی و نیز مقایسه عملکرد مدل ها مورد استفاده قرار گرفت. نتایج حاصل از تحلیل هیدروگراف نشان داد افزایش میزان بارش تاثیر بسزایی بر منابع آب زیرزمینی دارد و همچنین نتایج حاصل از معیارهای ارزیابی نشان داد مدل شبکه عصبی موجک کارایی بهتر و خطای کمتری نسبت به شبکه عصبی مصنوعی دارد.

کلیدواژه ها:

آب های زیرزمینی ، شبکه عصبی موجک ، شبکه عصبی مصنوعی