مقایسه مدل‌هایsvm وann در شبیه‌سازی سطح آب زیرزمینی چاه‌های مشاهده‌ای دشت نهاوند – استان همدان

منابع آب زیرزمینی از مهمترین منابع تامین آب هستند، لذا مدل‌سازی آنها حائز اهمیت می‌باشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازه‌های مهندسی، مصارف کشاورزی و حصول آب‌های زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. در این تحقیق از مدل ماشین بردار پشتیبان (ls-svm) و شبکه عصبی مصنوعی (ann) برای شبیه‌سازی ماهانه سطح آب زیرزمینی دشت نهاوند در استان همدان در یک دوره 20 ساله (1396- 1376) در محیط matlab استفاده شد. در این دوره 20 ساله، 14 سال برای آموزش و 3 سال برای واسنجی و همچنین 3 سال برای صحت سنجی مدل تقسیم شد. که مقایسه آماری نتایج به کمک شاخص‌های ضریب همبستگی (r) و خطای استاندارد (se) صورت گرفت. برای شبیه‌سازی سطح آب زیرزمینی از چهار حلقه چاه مشاهده‌ای به همراه متغیرهای سطح آب زیرزمینی، بارش، تبخیر و دما، استفاده شد. بیشترین دقت از بین این دو مدل در مدل svm است که دارای 0.11=se در حالت آموزش و 0.03 در حالت آزمون است. همچنین میزان ضریب همبستگی در حالت آزمون % 98 است. با توجه به دقت مناسب روش svm در شبیه‌سازی سطح آب زیرزمینی نتایج حاکی از تابع کرنل rbf ،با واریانس 6523 و گاما 527.23 برای حالت بهینه است. نتایج این مطالعه نشان داد که استفاده از رویکرد svm جهت شبیه‌سازی سطح آب زیرزمینی و ارزیابی پارامترهای ورودی جهت شبیه‌سازی می تواند علاوه بر کاهش تعداد پارامترهای ورودی دقت مناسبی را جهت شبیه‌سازی نشان دهد

comparison of svm and ann models in simulation the groundwater level of observation wells in nahavand plain hamedan province

groundwater considered one of the most consequential sources of water supply; therefore, its modeling can be very important. meanwhile, the study and investigation of groundwater level fluctuations with respect to management studies, creation of engineering structures, agricultural uses and obtaining highquality of groundwater potentials is of great importance. in this research, supportvector machine (svm) and artificial neural network (ann) were used to simulatethe monthly groundwater level of nahavand plain located in hamedan province.twenty years data (1997-2017) were used by engaging matlab software. fromthese data, 14 years were used for training, 3 years for calibration and finally 3years used for model validation. the statistical comparison of the results was alsoattempted with the aid of correlation coefficient (r) and standard error (se). fourobservation wells were used along with the variables of groundwater level,precipitation, evaporation and temperature to simulate the groundwater level.the highest accuracy among these two models is svm model, which has se =0.11 in the training mode and 0.03 in the test mode. also, the correlationcoefficient in the test mode is 98%. considering the appropriate accuracy of svmmethod in simulating the groundwater level, the results indicate that, the rbfkernel function, with a variance of 6523 and a gamma of 527.23 for the optimalmode. the results of this study showed by using the svm approach is morerealistic in simulation of groundwater level and evaluation of the inputparameters. in addition, this could help in reducing the number of inputparameters as well as can show appropriate accuracy for the simulation.