پیش بینی سطح آب های زیرزمینی با استفاده از شبکه عصبی بازگشتی مبتنی بر یادگیری عمیق و مقایسه با مدل سازی عددی

استفاده از شبکه های عصبی مصنوعی (ANNs) برای پیش بینی سطح آب های زیرزمینی (GW) در مطالعات قبلی نتایج امیدوارکننده ای را نشان داده است. این مطالعه یک مدل شبکه عصبی با حافظه کوتاه مدت بلند مدت (LSTM-NN) را برای پیش بینی سطح GW با استفاده از داده های سطح GW تاریخی به عنوان ورودی، بدون تکیه بر اطلاعات اضافی مربوط به حوضه آبخوان قزوین در ایران را پیشنهاد می دهد. نتایج نشان می دهد که مدل LSTM می تواند سطح GW را در شش چاه مشاهده ای با دقت بالا تا ۱۲ ماه آینده پیش بینی کند.

کلیدواژه ها:

پیش بینی سطح آب های زیرزمینی ، LSTM-NN ، Modflow