کاربرد منطق فازی و نظریه موجک در برآورد تراز آب زیرزمینی با استفاده از شاخص‌های انسو

مدل‌سازی آب‌های زیرزمینی در مناطق گرم و خشک به‌ دلیل برداشت بی‌رویه، از اهمیت ویژه‌ای برخوردار است. در این مطالعه به بررسی روش های مختلف هوشمند عصبی شامل شبکه عصبی مصنوعی، روش عصبی فازی، عصبی موجک و عصبی فازی موجک در برآورد تراز آب زیرزمینی پرداخته شد. بدین منظور کاربرد شاخص‌های مختلف انسو در برآورد تراز آب زیرزمینی فصلی 11 چاه پیزومتری استان هرمزگان طی سال‌های 1369 تا 1392 مورد توجه قرار گرفت. نتایج نشان داد که شاخص اقیانوس آرام آمریکای شمالی (pna) بیش ترین همبستگی را با تغییرات تراز آب زیرزمینی داشت. اجرای ساختارهای مختلف به تفکیک چهار فصل نشان داد، دقت پیش‌بینی تراز آب زیرزمینی فصل تابستان بیش از سایر فصول بود. بر اساس نتایج بهترین ساختار در پیش‌بینی تراز آب زیرزمینی فصل تابستان، مقدار آماره‌های خطاسنجی مجذور میانگین مربعات خطای نرمال، 0.014 با ضریب همبستگی 0.986 بود که 0.093 متر بیش‌برآورد داشت. از طرفی، برتری روش عصبی موجک در برآورد تراز آب زیرزمینی فصل‌های بهار، تابستان و زمستان نسبت به سایر روش‌ها، مشاهده گردید. لیکن در فصل پاییز، روش عصبی فازی موجک مناسب‌تر از روش‌های دیگر عمل نمود.

Application of Fuzzy Logic and Wavelet Transform In Estimation of Ground Water Level Using ENSO Indexes

Due to excessive withdrawal of groundwater, it’s modeling in warm and arid regions are of very importance. Prediction of groundwater is important from different aspects of water resource management. In current years, the application of intelligent models in simulation has good results because of simplicity and high accuracy. Based on the previous studies, tin more investigations were used weather and hydrogeology parameters as input in intelligent models. While the effect of the ENSO phenomenon on climate and hydrology and hydrogeology was evaluated. The purpose of present study was an evaluation of intelligent models including artificial neural network (ANN) and coactive neurofuzzy inference system (CANFIS), wavelet transform combined with ANN (WANN) and WCANFIS models in forecasting groundwater level base on ENSO indexes.