مدلسازی نوسان های ماهانۀ آب زیرزمینی به وسیلۀ تبدیل موجک و شبکۀ عصبی پویا

مدلسازی نوسان های زمانی آب زیرزمینی، در مدیریت حوزه‏‏های آبریز و ایجاد تعادل در عرضه و تقاضای آب اهمیت زیادی دارد. در سال‏های اخیر استفاده از تحلیل موجک برای تجزیۀ سری‏های زمانی و ترکیب آن با شبکه‏های عصبی به صورت گسترده‏ای در مدلسازی پدیده‏های هیدرولوژیکی به ­کار رفته ‏است. در این تحقیق، توانایی مدل ترکیبی موجک- شبکۀ عصبی پویا برای پیش‏بینی یک ماه آیندۀ عمق آب زیرزمینی ارزیابی شده و این مدل با مدل‏های شبکۀ عصبی و رگرسیون خطی چندمتغیره مقایسه شده ‏است. داده‏های استفاده شده برای تشکیل مدل‏ها فقط عمق آب زیرزمینی ماهانه است که در دو پیزومتر واقع در دشت قم به مدت ده سال اندازه‏گیری شده ‏است. نتایج نشان داد عملکرد مدل شبکۀ عصبی چندان رضایت­بخش نیست. مدل رگرسیون خطی چندمتغیره نیز نتایج دقیقی نداشت و مقدار پیش بینی شده با این مدل در اکثر موارد بیشتر از مقدار واقعی بود، در‏حالی‏که مدل ترکیبی موجک- شبکۀ عصبی با استفاده از موجک مادر meyer با دو سطح تجزیه، توانست یک ماه آینده را با ضریب های نش 993/0 و 974/0 به ترتیب برای پیزومترهای 1 و 2 پیش­بینی کند.