محمدرضا مددی

پایش سطوح آب های زیرزمینی و برآورد دقیق نوسانات آن در دوره های پیش رو به خصوص در مناطق خشک و نیمه خشک ضرورت دارد. با توجه به قابلیت مدل های مبتنی بر هوش مصنوعی در مدل سازی پدیده های هیدرولوژیکی، در این پژوهش از مدل درخت تصمیم M5P در ترکیب با تبدیل موجک به منظور پیش بینی نوسانات سطح آب زیرزمینی دشت کرمان- باغین استفاده شده است. جهت توسعه مدل ترکیبی موجک-درخت تصمیم (W-M5P)، خروجی های تبدیل موجک به عنوان ورودی بر M5P اعمال می شوند. برای ارزیابی کارایی مدل ترکیبی در مقایسه با مدل منفرد، از چندین معیار از جمله ضریب همبستگی (R)، شاخص توافق (Ia) و شاخص پراکندگی (SI) استفاده شد. نتایج نشان داد، به رغم اینکه ورودی مدل ترکیبی، صرفاً داده های هواشناسی ایستگاه سینوپتیک بوده و از سطح آب در دوره های پیشین استفاده نشده، با این وجود WM5P کارایی بالایی در مدل سازی نوسانات سطح آب زیرزمینی در مقایسه با مدل منفرد ارائه نموده است. به گونه ای که مدلWM5P برای افق پیش بینی سه ماه با موجکCoif4 و سطح تجزیه شش، مقدار SI را از 6394/0 به 0181/0 کاهش و هم زمان Ia را از 6898/0 به 9998/0 افزایش داده است. براین اساس، انتخاب موجک کویفلت با مرتبه 4 و سطوح تجزیه 5 و 6 در مدل ترکیبی، کاراترین مدل در برآورد سطح آب زیرزمینی دشت کرمان-باغین می باشد.