شبیه‌سازی تراز آب زیرزمینی با استفاده از مدل ترکیبی موجکماشین آموزش نیرومند خودتطبیقی

در مطالعه حاضر، با استفاده از روش های نوین ماشین آموزش نیرومند خود تطبیقی  (saelm)و موجکماشین آموزش نیرومند خود تطبیقی  (wasaelm) تراز آب زیرزمینی در منطقه کبودر آهنگ واقع در استان همدان مورد بررسی قرار گرفت. در ابتدا با استفاده از تابع خود همبستگی، تاخیرهای موثر شناسایی شده و سپس با استفاده از این تاخیرها برای هر یک از روش های saelm و wasaelm، 10 الگوی متمایز ورودی توسعه داده شد. با ارزیابی نتایج مدل های مذکور، wasaelm به عنوان مدل برتر معرفی شد که تجزیه و تحلیل نتایج شبیه سازی نشان دهنده دقت بالای مدل برتر در تخمین تراز آب زیرزمینی بود. مقادیر ضریب همبستگی (r)، ریشه میانگین مربعات خطا (rmse) و ضریب بهره وری نشساتکلیف (nsc) برای مدل برتر به ترتیب برابر با 0.969، 0.358 و 0.939 محاسبه گردید.

Simulation of Groundwater Level Using the Hybrid Model WaveletSelf Adaptive Extreme Learning Machine

In present study, the groundwater level of the Kabodarahang region located in Hamadan Province was simulated using novel techniques such as SelfAdaptive Extreme Learning Machine (SAELM) and WaveletSelfAdaptive Extreme Learning Machine (WASAELM). Firstly, the effective lags were detected using the autocorrelation function and then ten models were developed for each SAELM and WASAELM methods. By evaluating the results of the models, WASAELM was introduced as the superior method. The analysis of the simulation results showed that the superior model had a high accuracy in estimating the groundwater level. For the superior model, the correlation coefficient (R), Root Mean Squared Error (RMSE) and NashSutcliffe efficiency coefficient (NSC) were calculated to be 0.969, 0.358 and 0.939, respectively.