صفر معروفی

بیشتر سریهای زمانی هیدرولوژیکی نظیر تغییرات سطح آب زیرزمینی همواره شامل فرایندهای نامانا و پیچیده هستند که با استفاده از مدلهای خطی متداول و کلاسیک به خوبی قابل توصیف و مدلسازی نیستند. بنابر این به منظور مدلسازی این پدیدههای هیدرولوژیکی لازم است از مدلهای غیر خطی استفاده نمود . هدف از تحقیق حاضر، تخمین سطح آب زیرزمینی حوضه الشتر با استفاده از مدلهای تلفیقی شبکهی عصبی موجک - میباشد . بدین منظور سطح آب زیرزمینی، دما و بارش در زمانهای (t−2,t−1,t) به عنوان ورودی مدلهای ANN و ANFIS در نظر گرفته شد و سطح آب زیرزمینی در مقیاسهای 1 ، 3 و 6 ماهه پیشبینی و نتایج با استفاده از دو پارامتر مجذور ضریب همبستگی R2 و جذر میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفتند. به منظور پیشبینی نوسانات سطح آب زیرزمینی، از دادههای 6 پیزومتر استفاده شد. نتایج نشان داد که مقدار متوسط RMSE در تمام پیزومترها در مدلهای ANN و WNN به ترتیب 04 / 3 - 57 / 0 و 76 / 2 - 19 / 0 است. همچنین مقدار متوسط 2R در تمام پیزومترها در مدلهای ANN و WNN به ترتیب 97 / 0 - 65 / 0 98 / 0 - 8 / 0 است. به عبارت دیگر مدل WNN نتایج پیشبینی را به میزان چشمگیری بهبود داده است.