استفاده از مدل های ترکیبی ماشین بردار پشتیبان - موجکی و شبکه عصبی -موجکی در پیش‌بینی تراز آب زیرزمینی دشت اردبیل

آب‌های زیرزمینی همواره به عنوان یکی از منابع مهم و عمده ی تامین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بوده‌اند. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه ی آنها، لازم است پیش‌بینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. در این تحقیق اطلاعات 15 پیزومتر موجود در دشت اردبیل مورد استفاده قرارگرفت. از تبدیل موجک و روش خوشه‌بندی به ترتیب برای پیش‌پردازش زمانی و مکانی استفاده گردید. روش مدل‌سازی مورد استفاده در این تحقیق، ماشین بردار پشتیبان و شبکه عصبی مصنوعی برای پیش‌بینی یک ماه آینده می‌باشد. در ابتدا پیزومترهای موجود با روش خوشه بندی نقشه خود سازمانده کلاس بندی شده و برای پیزومترهای مرکزی هر کلاس دو مدل فوق به صورت تکی و در ترکیب با تبدیل موجک به کار رفت. نتایج حاصله ضریب تبیین متوسط 0.94 برای آموزش و 0.89 برای صحت‌سنجی را در مرحله ی مدل‌سازی با ماشین بردار پشتیبان نشان داد. استفاده از تبدیل موجک باعث افزایش 3.5 درصدی دقت مدل گردید. در ضمن مدل سازی از طریق شبکه عصبی مصنوعی نیز با ضریب تبیین متوسط 0.94 برای آموزش و 0.88 برای صحت‌سنجی از دقت بالایی برخوردار بوده و استفاده از تبدیل موجک باعث افزایش 5 درصدی دقت مدل شد.