پیش‌بینی نوسانات عمق سطح آب زیرزمینی با استفاده از مدل‌های تلفیقی شبکه‌ی عصبی- فازی تطبیقی- موجکی (WNF) (مطالعه موردی: دشت الشتر)

نویسندگان

1 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان

doi
10.22125/iwe.2021.138347
چکیده

هدف از تحقیق حاضر، تخمین سطح آب زیرزمینی دشت الشتر در زمان‌های ،  و  با استفاده از پارامترهای دما، بارش و سطح آب زیرزمینی در زمان‌های ،  و  با استفاده از مدل‌های شبکه عصبی (ANN)، سیستم استنتاج عصبی-فازی (ANFIS)، عصبی- موجک (WNN) و تلفیق شبکه‌ی عصبی- فازی- موجک (WNF) می‌باشد. جهت ارزیابی مدل‌ها از دو شاخص  و RMSE استفاده گردید. نتایج حاصل از پیش‌بینی مدل‌های مختلف نشان داد که ANFIS، WNN و WNF نسبت به مدل ANN در پیش‌بینی عمق سطح آب زیرزمینی دارای دقت بالاتری می‌باشند. همچنین مقایسه نتایج حاصل از  مدل‌هایی با پایه موجک و دیگر مدل‌ها‌ نشان می‌دهد، این مدل‌ها (WNN و WMF) دارای دقت بالاتری نسبت به دیگر مدل‌ها می‌باشند. به طوریکه استفاده از مدل WNF نسبت به ANN شاخص R2 را از 94/0 به 98/ 0 (در پیش بینی یک ماه)، 84/0 به 93/0 (در پیش بینی سه ماهه) 76/0 به 85/0 (در پیش بینی شش ماهه) افزایش داده است. همچنین مدل WNF نسبت به ANN، شاخص RMSE را به ترتیب از 56/0 به 32/0 (در پیش بینی یک ماه)، 96/0 به 66/0 (در پیش بینی سه ماهه) و 18/1 به 97/0 (در پیش بینی شش ماهه) کاهش داده است. نتایج پیش‌بینی عمق سطح آب زیرزمینی با مدل‌های چهارگانه نشان داد که این مدل‌ها در پیش‌بینی گام‌های زمانی کوتاه‌تر، دارای نتایج دقیقتر بوده و استفاده از آنها در پیش‌بینی‌های با تأخیر زمانی بیشتر از سه ماهه، نه‌تنها تأثیر چندانی بر دقت مدل‌ نداشته بلکه در مدل‌های با پایه موجک، سبب کاهش دقت می‌شود.