مهرداد فریدونی - استادیار گروه عمران، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران
مهدی زارع - دانشجوی کارشناسی ارشد سازه های هیدرولیکی، گروه عمران، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران

شبیه سازی تراز آب زیرزمینی، به دلیل تاثیر آن در مدیریت منابع آب، می تواند نقش اقتصادی مهمی داشته باشد. با روش های مختلفی می توان تراز آب زیرزمینی را پیش بینی و شبیه سازی کرد. هر یک از این روش ها محاسن و معایب خود را دارد. یکی از روش هایی که توجه بسیاری را به خود جذب نموده، استفاده از مدل های هوشمند است. امروزه سیستم های هوشمند با توجه به توانایی در حل پدیده های غیرخطی و پیچیده، کاربردهای فراوانی در مسایل مختلف مهندسی آب پیدا کرده اند، هدف از این تحقیق ارزیابی این مدلها در شبیه سازی تراز آب زیرزمینی دشت مرودشت می باشد. در این پژوهش از مدل تلفیقی موجک فازی عصبی (wnf) و مدل تلفیقی موجک عصبی (wnn)، برای شبیه سازی تراز آب زیرزمینی دشت مرودشت براساس داده ها ماهانه برای یک دوره آماری 12 ساله شامل بارندگی و میانگین تراز آب زیرزمینی ( از سال 1379 تا 1392) به طور مقایسه ای مورد ارزیابی قرار گرفته است. تراز آب زیرزمینی دشت مرودشت و بارش آن، دو ورودی اصلی در شبکه های عصبی که با تاخیر زمانی t-1 (ماه قبل) تشکیل می دهد. مقدار تراز آب زیرزمینی نیز تنها خروجی این شبکه ها را شامل می شود که بصورت 4 الگو (w-1)، (P-1)، (w-1)(w-2)، (p-1)، (w-1)، پس از تبدیل موجک وارد سیستم های هوشمند شده است. کارایی این سه مدل براساس معیارهای آماری ضریب همبستگی (R)، ریشه دوم میانگین مربعات خطا (RMSE) برای 4 الگوی مورد ارزیابی قرار گرفت برای مدل wnf به ترتیب 0/876 و 0/433 و 0/942 و 0/936 و 0/028، 0/027، 0/067، 0/142، برای مدل wnn به ترتیب 0/843 و 0/311 و 0/863 و 0/916 و 0/038، 0/48، 0/643، 0/48 بدست آمده است باشد. نتایج حاصله نشان دهنده دقت بالا مدل تلفیقی Wavelet-ANFIS به منظور شبیه سازی تراز آب زیرزمینی دشت مرودشت می باشد.

تراز آب زیرزمینی، موجک- فازی عصبی، موجک، شبکه عصبی ، دشت مرودشت