خوشه بندی مکانی شبکه چاه های مشاهداتی برای مدلسازی تراز آب زیرزمینی با مدل شبکه عصبی

در این پژوهش با مقایسه تکنیک های خوشه بندی میانگین- K (K-Means)، نقشه های خود سازمانده (Self-organizing map) و روش خوشه بندی سلسله مراتبی (WARD) به عنوان الگویاب زمانی و مکانی، مناسب ترین روش خوشه بندی انتخاب شد و با توجه به کاربرد وسیع شبکه عصبی مصنوعی در تشخیص فرآیندهای هیدرولوژیکی مختلف، مدل سازی بر اساس داده های پیزومتر چاهک آب زیرزمینی نماینده هر خوشه انجام شد. نتایج حاکی از آن است که به کارگیری تکنیک خوشه بندی مکانی میانگین - K با انتخاب ورودی های موثر روش مناسبی جهت مدل سازی سطح آب زیرزمینی با شبکه عصبی مصنوعی است.