مدل سازی تراز آب زیرزمینی با بهره گیری از مدل هیبرید موجک- شبکه عصبی مصنوعی (مطالعه موردی: دشت شریف آباد)

منابع آب زیرزمینی یکی از مهم­ترین منابع تأمین آب می­باشند، از این­رو مدل­سازی آن­ها بسیار حائز اهمیت می­باشد. ارزیابی و پیش­بینی تراز آب زیرزمینی به پیش­بینی منابع آب زیرزمینی کمک می­کند. هدف این مطالعه ارزیابی عملکرد سه مدل رگرسیون خطی چندمتغیره (mlr)، مدل هیبرید موجک- شبکه عصبی (wnn) و شبکه عصبی مصنوعی (ann) در پیش­بینی سطح آب زیرزمینی (gwl)، بر مبنای دو معیار ریشه خطای مربع متوسط (rmse) و ضریب کارایی نش- ساتکلیف (e) می­باشد. داده­های استفاده شده در این پژوهش مربوط به دو حلقه چاه مشاهده­ای در حوضه آبریز شریف­آباد استان قم هستند. مدل­سازی تراز آب زیرزمینی چاه­ها با استفاده از داده­های تراز آب زیرزمینی 15 سال و 6 ماه، برای پیش­بینی تراز 19 ماهه دوره آزمون انجام شده است. نتایج نشان داده­اند که مدل موجک- شبکه عصبی تطابق بهتری با مقادیر مشاهده­ای تراز آب زیرزمینی دارد.