پیش بینی سطح آب زیرزمینی با استفاده از مدل منطق فازی مرکب نظارت شده (مطالعه ی موردی: دشت مشگین شهر)

ارتقاء اطلاعات کمی به بهبود پیش‌بینی پارامتر‌های برف کمک می‌‌کند. تاکنون تعاملات بین اندازه ی پیکسل به ‌صورت محدود بررسی‌شده است. هدف از این تحقیق، بررسی اثر قدرت تفکیک مکانی بر روی پیش‌بینی عمق برف از طریق آزمون تجربی روابط بین مدل‌های رقومی ارتفاع و پارامترهای موثر در مدل‌سازی عمق معادل برف با قدرت تفکیک مختلف و با استفاده از مدل رگرسیون چندمتغیره می‌باشد. به همین منظور ابتدا با استفاده از روش هایپرکیوب محل 100 نقطه مشخص و طی یک عملیات صحرایی داده‌های عمق برف در نقاط مورد نظر و همچنین در 195 نقطه دیگر به ‌صورت سیستماتیک و با نمونه‌بردار مدل فدرال برداشت گردید.. سپس یک مدل رقومی ارتفاع 10 متری به ‌عنوان مبنا انتخاب گردید و از مدل رقومی ارتفاع مبنا تعداد 25 پارامتر مرفومتری استخراج و به ‌عنوان ورودی شبکه ی عصبی انـتخاب و با استفاده از آنالیز حساسیت مهم‌ترین پارامترهای تاثـیرگذار در مدل‌سازی عـمق برف مشخص شد. در مرحله ی بعد با استفاده از مدل رقومی ارتفاع مبنا 9 مدل رقومی ارتفاعی با اندازه ی پیکسل متفاوت استخراج گردید. سپس در ادامه پارامترهای موثر در عمق برف با استفاده از 10 مدل رقومی ارتفاع استخراج و بین آن‌ها و عمق برف نمونه‌برداری شده یک رابطه ی رگرسیونی ایجاد و عمق برف محاسبه گردید. جهت ارزیابی دقت مدل‌ها از پارامترهای rmse، nmse، mse و mae استفاده و در نهایت مدل رقومی ارتفاع 150 متر با مقادیر به ترتیب 75/24، 350/0، 975/612 و 97/18 بهترین مدل رقومی ارتفاع جهت مدل‌سازی عمق برف انتخاب گردید. این مساله می‌تواند در کاهش هزینه‌ها و افزایش دقت برآورد عمق برف کمک بسیاری نماید.