طراحی شبکه پایش سطح آب زیر زمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)

این مطالعه روشی برای طراحی شبکه های پایش کمی آب زیر زمینی به منظور کاهش نقاط پایش مکانی اضافی ارائه می کند؛ چاه های اضافی، که اگر نمونه گیری نشوند، خطای تخمین سطح آب زیر زمینی آن ها قابل چشم پوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایه تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمی 63 چاه مشاهداتی و پارامتر های هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دوره 7 ساله، عملکرد مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM) در طراحی شبکه برداشت چاه های مشاهداتی آب زیر زمینی بررسی شد. ترکیب های مختلف پارامتر های اثر گذار بر تراز سطح آب زیر زمینی با استفاده از مدل LS-SVM ارزیابی شد. ترکیب برتر مدل LS-SVM دربرگیرنده شاخص های عملکرد (3405/0MAE=و 9992/0= 2R) است. سپس، با استفاده از تابع تقریب بهینه، 42 عدد چاه مشاهداتی به منظور پایش مکانی مناسب در منطقه دشت رامهرمز مشخص شد.