ارزیابی مدل شبکه عصبی موجک در پیشبینی منابع آب زیرزمینی (مطالعه موردی: استان لرستان، ایران)
نویسندگان
1 استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، ایران
2 دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، ایران
3 دانشجوی دکترای سازههای آبی، دانشکده کشاورزی، دانشگاه لرستان، ایران
doi
10.22034/hydro.2021.9403چکیده
در سالهای اخیر، برداشت بیرویه آبهای زیرزمینی باعث افت شدید سطح آبهای زیرزمینی شده است،که خطراتی همچون نشست زمین را درپی داشته است. لذا پیشبینی قابلاطمینان سطح آبهای زیرزمینی برای مدیریت این منابع حائز اهمیت است. در این پژوهش جهت پیشبینی سطح آبهای زیرزمینی محدودههای 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 بهعنوان ورودی و تراز سطح ایستابی در دوره موردنظر بهعنوان خروجی مدلها در مقیاس زمانی ماهانه در طی دوره آماری (1381-1398) انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش-ساتکلیف برای ارزیابی و نیز مقایسه عملکرد مدلها مورد استفاده قرار گرفت. نتایج حاصل از تحلیل هیدروگراف نشان داد افزایش میزان بارش تأثیر 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.