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.2021.9403
چکیده

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.