پیش بینی تراز اب زیرزمینی با استفاده از مدل شبکه عصبی- موجک (مطالعه موردی: دشث قم )

مدل های پیش بینی صحیح و قابل طمینان تراز آب زیرزمینی برای مدیریت منابع آب و استفاده پایدار از آبخوان ها اهمیت دارند. در مقاله حاضر کاربرد مدل های شبکه عصبی، ترکیبی شبکه عصبی- موجک و رگرسیون خطی چند متغیره ‏در پیش بینی تراز آب زیرزمینی سه حلقه چاه ‏پیزومتری واقع در دشت قم مورد بررسی قرار گرفته است. داده ‏های ورودی شامل سری زمانی تراز آب زیرزمینی است که به مدت 10 ‏سال از فروردین 1381 ‏ تا اسفند 1390 ‏به صورت ماهیانه اندازه ‏گیری شده ا‏ست. نتایج حاکی از این است که مدل ترکیبی شبکه عصبی- موجک از مدل شبکه عصبی و مدل رگرسیونی دقیق تر است. این مدل تنها با استفاده از یک ورودی یعنی سری زمانی تراز آب زیرزمینی در زمان گذشته، توانست پیش بینی قابل قبولی از تراز آب زیرزمینی تا 12 ‏ماه آینده ارائه دهد: در حالی که پیش بینی مدل رگرسیون خطی چندگانه حداکثر تا 3 ‏ماه آینده قابل قبول است. همچنین مدل ترکیبی شبکه عصبی- موجک قادر است مقدار و زمان وقوع افت یا افزایش های ناگهانی تراز آب زیرزمینی را پیش بینی نماید در حالی که دو مدل دیگر قادر به پیش بینی تغییرات ناگهانی نیستند.

کلیدواژه ها:

شبکه عصبی ، موجک ، تراز آب زیرزمینی ، دشت قم ، مدلی پیش بینی