بررسي كارايي روش‌هاي رگرسيون بردار پشتيبان، شبكه عصبي پرسپترون چندلايه و رگرسيون خطي چندمتغيره به منظور پيش‌بيني تراز سطح آب زيرزميني (مطالعه موردي: دشت شهركرد)

تراز سطح آب زيرزميني عاملي است كه امكان قضاوت صحيح در مورد روند تغييرات آبخوان و مديريت لازم در حوزه آبخيز را ايجاد مي كند. در اين تحقيق از اطلاعات ماهانه 18 چاه مشاهده اي در دشت شهركرد طي سال هاي 1379 تا 1389 به منظور شبيه سازي و پيش بيني سطح آب زيرزميني با مدل هاي رگرسيون خطي چند متغيره (MLR)، شبكه عصبي پرسپترون چند لايه (MLP) و دو مدل رگرسيوني ماشين بردار پشتيبان (SVR) با توابع كرنل پايه شعاعي (RBF) و خطي (Linear) استفاده شده است. با توجه به معيارهاي خطاي ضريب راندمان (NS) و ريشه ميانگين مربعات خطا (RMSE)، مدل MLP در 56 درصد و مدل SVR نيز در 44 درصد موارد عملكرد بهتري نسبت به نتايج كل ساير مدل ها داشته اند. به عنوان نمونه در چاه شماره 1 (بخش مركزي دشت)، مدل SVRRBF با تركيب ورودي پارامترهاي متشكل از تراز سطح آب زيرزميني، دما، تبخير و بارش بر ساير مدل ها برتري داشته است. همچنين مقايسه كلي نتايج دو روش SVR، حاكي از برتري تابع كرنل RBF بر حالت خطي بوده است. عملكرد كلي مدل هاي MLP، SVRRBF و SVRLinear براي معيار NS به ترتيب برابر با 703/0، 656/0 و 655/0 و در شاخص RMSE نيز به ترتيب برابر با 857/0، 905/0 و 914/0 متر به دست آمده است.