بررسی کلراید در آب زیرزمینی با استفاده از تلفیق مدل هوش مصنوعی و روش وابستگی تبدیل موجک

در این تحقیق، مدلهای زمانی جریان آب زیرزمینی و انتقال آلودگی با استفاده از تلفیق تکنیکهای هوش مصنوعی و وابستگی تبدیل موجک توسعه داده شده است. دشت میاندوآب به عنوان مطالعه موردی برای شبیه سازی تراز آب زیرزمینی و غلظت کلراید مورد مطالعه قرار گرفت. به منظور خوشه بندی پیزومترهای دشت، وابستگی تبدیل موجک به عنوان تکنیکی برای بررسی وابستگی و تاخیر فاز بین سری های زمانی ناایستای تراز آب و غلظت کلراید استفاده شد. همچنین از وابستگی تبدیل موجک به عنوان یک روش جدید برای مشخص کردن ارتباط سفره ها و ارتباط بین تراز آب دریاچه و تراز آب پیزومترهای نزدیک ساحل دریاچه که می تواند در مدلسازی تراز آب و غلظت کلراید مفید باشد، استفاده گردید. در ادامه سری های زمانی تراز آب و غلظت کلراید در 14 پیزومتر مختلف با استفاده شبکه عصبی مصنوعی و سیستم عصبی-فازی تطبیقی برای تخمین تراز آب و غلظت کلراید در یک ماه بعد آموزش و اعتبارسنجی شدند. نتایج نشان داد که کارایی مدل عصبی-فازی تطبیقی تا 13 درصد بیشتر از مدل شبکه عصبی مصنوعی می باشد. توانایی مدل عصبی-فازی تطبیقی در هر دو مرحله آموزش و صحت سنجی بدلیل کارایی منطق فازی برای غلبه بر عدم قطعیت پدیده از شبکه عصبی مصنوعی بیشتر بوده است.