پيش بيني تراز آب زير زميني با استفاده از مدل هاي مادفلو، ماشين آموزش نيرومند و ويولت-ماشين آموزش نيرومند

Prediction of Groundwater Level using MODFLOW, Extreme Learning Machine and Wavelet-Extreme Learning Machine Models

در اين مطالعه تراز آب زيرزميني منطقه كبودر آهنك واقع در استان همدان، ايران با استفاده از مدل هاي مادفلو، ماشين آموزش نيرومند (ELM) و ويولت-ماشين آموزش نيرومند WA-ELM)) شبيه سازي مي شود. تجزيه و تحليل نتايج مدل سازي نشان مي دهد كه مدل هاي عددي تراز آب زيرزميني را با دقت قابل قبولي شبيه سازي مي كنند. به عنوان مثال مقادير ضريب همبستگي و شاخص پراكندگي براي مدل مادفلو به ترتيب مساوي 0.917 و 0.0004 بدست آمد. سپس با تركيب هاي ورودي مختلف و با استفاده از گام زماني صحيح، به صورت تاخيرهاي متفاوت 10 مدل مختلف براي مدل هاي ELM و WA-ELM تعريف مي شود. با ارزيابي كليه توابع فعال سازي مدل ELM، تابع فعالسازي sigmoid مقادير تراز آب زيرزميني را با دقت بيشتري پيش بيني ميكند. همچنين Daubechies2 به عنوان خانواده ويولت مدل هاي WA-ELM انتخاب مي شود. بر اساس نتايج مدل هاي عددي مختلف، مدل WA-ELM به عنوان مدل برتر در پيش بيني تراز آب زيرزميني انتخاب مي شود. براي مدل برتر مقادير ضريب همبستگي و ضريب نش به ترتيب برابر 0.959 و 0.915 محاسبه شده است.

In this study, the groundwater level of the Kabodarahang aquifer located in Iran, Hamadan Province is simulated using the MODFLOW, Extreme Learning Machine (ELM) and Wavelet-Extreme Learning Machine (WA-ELM) Models. Analysis of modeling results shows that numerical models simulate groundwater level with acceptable accuracy. For example, the correlation coefficient and scatter index values for the MODFLOW model are calculated 0.917 and 0.0004, respectively. Then, by different input combination and using the stepwise selection, 10 different models are introduced for the ELM and WA-ELM models as different lags. By evaluating all activation functions of the ELM model, the sigmoid activation function predicts groundwater level values with more accuracy. Also, Daubechies2 is chosen as the mother wavelet of the WA-ELM models. According to different numerical models results, the WA-ELM model is selected as the superior model in prediction of groundwater level. For the superior model, the correlation coefficient and Nash-Sutcliffe efficiency coefficient are calculated 0.959 and 0.915, respectively.