پیش‌بینی نوسانات عمق سطح آب زیرزمینی با استفاده از مدل‌های تلفیقی شبکه‌ی عصبی - فازی تطبیقی - موجکی (wnf) (مطالعه موردی: دشت الشتر)

هدف از تحقیق حاضر، تخمین سطح آب زیرزمینی دشت الشتر در زمان‌های t+1، t+3 و t+6 با استفاده از پارامترهای دما، بارش و سطح آب زیرزمینی در زمان‌های t، t -1 و t -2 با استفاده از مدل‌های شبکه عصبی (ann)، سیستم استنتاج عصبی فازی (anfis)، عصبی موجک (wnn) و تلفیق شبکه‌ی عصبی فازی موجک (wnf) می‌باشد. جهت ارزیابی مدل‌ها از دو شاخص r^2 و rmse استفاده گردید. نتایج حاصل از پیش‌بینی مدل‌های مختلف نشان داد که anfis، wnn و wnf نسبت به مدل ann در پیش‌بینی عمق سطح آب زیرزمینی دارای دقت بالاتری می‌باشند. همچنین مقایسه نتایج حاصل از مدل‌هایی با پایه موجک و دیگر مدل‌ها‌ نشان می‌دهد، این مدل‌ها (wnn و wmf) دارای دقت بالاتری نسبت به دیگر مدل‌ها می‌باشند. به طوریکه استفاده از مدل wnf نسبت به ann شاخص r2 را از 0.94 به 98/ 0 (در پیش بینی یک ماه)، 0.84 به 0.93 (در پیش بینی سه ماهه) 0.76 به 0.85 (در پیش بینی شش ماهه) افزایش داده است. همچنین مدل wnf نسبت به ann، شاخص rmse را به ترتیب از 0.56 به 0.32 (در پیش بینی یک ماه)، 0.96 به 0.66 (در پیش بینی سه ماهه) و 1.18 به 0.97 (در پیش بینی شش ماهه) کاهش داده است. نتایج پیش‌بینی عمق سطح آب زیرزمینی با مدل‌های چهارگانه نشان داد که این مدل‌ها در پیش‌بینی گام‌های زمانی کوتاه‌تر، دارای نتایج دقیقتر بوده و استفاده از آنها در پیش‌بینی‌های با تاخیر زمانی بیشتر از سه ماهه، نه‌تنها تاثیر چندانی بر دقت مدل‌ نداشته بلکه در مدل‌های با پایه موجک، سبب کاهش دقت می‌شود.