پیش بینی تراز آب زیرزمینی با استفاده از مدل شبکه های عصبی مصنوعی (مطالعه موردی: دشت شبستر)

آبهای زیرزمینی، همواره به عنوان یکی از منابع مهم و عمده تامین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بوده اند . شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی این سیستمها به آسانی میسر نیست. هدف از این پژوهش، پیش بینی نوسانات تراز آب زیرزمینی دشت شبستر واقع در جنوب استان آذربایجان شرقی با استفاده از شبک ه های عصبی مصنوعی می باشد. به منظور آموزش مدل، از اطلاعات 15 پیزومتر که دارای آمار تراز سطح ایستابی با سری زمانی 9 ساله (1380-1388) بودند و در کل دشت پراکندگی یکنواختی داشتند استفاده شد. پارامترهای دما، بارش، دبی خروجی دریان چای و تراز آب زیرزمینی هر یک از پیزومترها با تاخیر زمانی t0-1 (ماه قبل) به صورت ماهانه، چهار ورودی اصلی شبکه های عصبی مصنوعی را تشکیل دادند. مقدار تراز آب زیرزمینی نیز تنها خروجی این شبکه را شامل می شود. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی با تابع آموزشی TRAINLM و تابع محرک TANSIG، قادر به پیش بینی سطح آب زیرزمینی ماهانه در بازه زمانی 3 ساله با دقت بالای  (R2= 99.63 (RMSE=1.43 در مرحله آموزش و (R2=99.16 (RMSE= 1.167 در مرحله صحت سنجی در محدوده مورد مطالعه است.