فهرست نشریات علمی دسترسی آزاد ایران

پایش سطوح آب‌های زیرزمینی و برآورد دقیق نوسانات آن‌ در دوره‌های پیش‌رو به‌خصوص در مناطق خشک و نیمه‌خشک ضرورت دارد. با توجه به قابلیت مدل‌های مبتنی بر هوش مصنوعی در مدل‌سازی پدیده‌های هیدرولوژیکی، در این پژوهش از مدل‌ درخت تصمیم M5P در ترکیب با تبدیل موجک به‌منظور پیش‌بینی نوسانات سطح آب‌زیرزمینی دشت کرمان- باغین استفاده شده است. جهت توسعه مدل ترکیبی موجک-درخت تصمیم (W-M5P)، خروجی‌های تبدیل موجک به‌عنوان ورودی بر M5P اعمال می‌شوند. برای ارزیابی کارایی مدل ترکیبی در مقایسه با مدل منفرد، از چندین معیار از جمله ضریب همبستگی (R)، شاخص توافق (Ia) و شاخص پراکندگی (SI) استفاده شد.‌ نتایج نشان داد، به‌رغم اینکه ورودی مدل ترکیبی، صرفاً داده‌های هواشناسی ایستگاه سینوپتیک بوده و از سطح آب در دوره‌های پیشین استفاده نشده، با این وجود WM5P کارایی بالایی در مدل‌سازی نوسانات سطح آب‌زیرزمینی در مقایسه با مدل منفرد ارائه نموده است. به‌گونه‌ای که مدلWM5P برای افق پیش‌بینی سه ماه با موجکCoif4 و سطح تجزیه شش، مقدار SI را از 6394/0 به 0181/0 کاهش و هم‌زمان Ia را از 6898/0 به 9998/0 افزایش داده است. براین اساس، انتخاب موجک کویفلت با مرتبه 4 و سطوح تجزیه 5 و 6 در مدل ترکیبی، کاراترین مدل در برآورد سطح آب‌زیرزمینی دشت کرمان-باغین می‌باشد.