عصبی - موجک

در این تحقیق، با به کارگیری تبدیل موجک، به بررسی روش شبکة عصبی - موجک و زمین آمار در برآورد توزیع مکانی سه مؤلفة ارتفاع برف، چگالی برف، و ارتفاع آب معادل برف حوضه های آبریز شمال غرب کشور پرداخته شد. بدین منظور، با مدنظر قراردادن اطلاعات اندازه گیری چهارسالة (1387 1387 تا 1390 1391) سه استان آذربایجان شرقی، آذربایجان غربی، و اردبیل توانایی روش شبکة عصبی- موجک و زمین آمار ارزیابی شد. مقایسة روش های مختلف زمین آمار نشان از برتری روش کریجینگ معمولی با نیم تغییرنمای گوسین برای مؤلفه های چگالی برف، آب معادل برف، و ارتفاع برف با آمارة میانگین مجذور مربعات خطای استاندارد (NRMSE) به ترتیب 259 /0، 429 /0، و 390 /0 بود. با کاربرد روش شبکة عصبی- موجک خطای برآورد هر سه مؤلفه بسیار کاهش یافت؛ به طوری که مقدار NRMSE برای مؤلفه های چگالی برف، آب معادل برف، و ارتفاع برف به ترتیب 122 /0، 002 /0، و 001 /0 به دست آمد. ضمن آنکه دقت شبیه سازی نقاط حدی مؤلفه های برف به وسیلة روش شبکة عصبی- موجک افزایش یافت. بنابراین، کاربرد شبکة عصبی- موجک در مقایسه با زمین آمار در برآورد توزیع مکانی مشخصه های برف توصیه می شود.

مطالعه و تجزیه و تحلیل کمی آب های زیرزمینی به دلیل پیچیدگی فرآیندهای حاکم بر این منابع، دشوار و وقت گیر می باشد. مدل سازی به عنوان روشی کارآمد با کم ترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم می نماید. هدف این تحقیق مقایسه مدل عددی، روش های هوشمند عصبی و زمین آمار در مدل سازی تغییرات سطح آب زیرزمینی می باشد. بدین منظور اطلاعات آبخوان دشت همدان – بهار به عنوان یکی از مهم ترین منابع تامین آب منطقه، مورد مطالعه قرار گرفت. در این پژوهش از کد عددی MODFLOW در نرم افزار GMS، شبکه عصبی مصنوعی و روش عصبی - فازی در نرم افزارNeuroSolution ، روش عصبی – موجک در نرم افزار MATLAB و روش زمین آمار در نرم افزار ArcGIS استفاده گردید. مقایسه نتایج نشان داد که دقت روش های برآورد سطح آب زیرزمینی بر حسب کم ترین آماره مجذور میانگین مربعات خطای نرمال (NRMSE)، به ترتیب به روش عصبی - موجک، عصبی – فازی، زمین آمار، شبکه عصبی مصنوعی و مدل عددی تعلق داشت. به طوری که مقدار آماره NRMSE در روش عصبی - موجک به عنوان روش بهینه، برابر 0/11 درصد و در روش مدل عددی برابر 2/2 درصد بدست آمد. مقدار ضریب همسبتگی روش های فوق به ترتیب 0/998 و 0/904 بود. بنابراین می توان کاربرد روش های عصبی ترکیبی به ویژه نظریه موجک را در برآورد سطح آب زیرزمینی مناسب تر از روش زمین آمار و مدل عددی دانست. ضمن آن که در روش های هوشمند عصبی از متغیرهای زودیافت طول و عرض جغرافیایی و ارتفاع از سطح دریا به عنوان بردار اطلاعات ورودی استفاده شده بود.