پیش بینی تغییرات تراز آب زیرزمینی با استفاده از مدل ترکیبی موجک- ماشین آموزش نیرومند خودتطبیقی- چاه مشاهداتی سراب قنبر کرمانشاه

در این مطالعه، سطح آب زیر زمینی در منطقه سراب قنبر- واقع در جنوب شهر کرمانشاه، کشور ایران- با استفاده از مدل موجک ماشین آموزش نیرومند خودتطبیقی (WA-SAELM) تخمین زده شد. برای توسعه مدل عددی از روش هوش مصنوعی و جدید ماشین آموزش نیرومند خودتطبیقی و تبدیل موجک استفاده شد. در ابتدا، با استفاده از تابع خود همبستگی، خود همبستگی نسبی و تاخیرهای موثر، هشت مدل مختلف SAELM و WA-SAELM متمایز توسعه داده شدند، سپس مقادیر تراز آب زیرزمینی چاه مشاهداتی نرمال سازی شدند. در ادامه، با تجزیه و تحلیل نتایج مدل سازی، بهینه ترین خانواده موجک برای مدل سازی انتخاب شد. با ارزیابی نتایج مدل های SAELM و WA-SAELM مشخص شد که مدل های WA-SAELM در مقایسه با مدل های SAELM مقادیر تابع هدف را با دقت بیشتری تخمین زدند. سپس مدل برتر بر اساس دقت آن در پیش بینی تراز آب زیرزمینی انتخاب شد. به عنوان مثال در حالت تست، مقادیر R، MAE و NSC برای مدل برتر به ترتیب برابر 995/0، 988/0 و 990/0 محاسبه شدند. همچنین برای مدل های عددی، تحلیل عدم قطعیت انجام و نشان داده شد که مدل برتر مقادیر مشاهداتی را کمتر از مقدار واقعی تخمین زده است.