پهنه بندي زماني - مكاني كميت آب زيرزميني با استفاده از مدل سري زماني و شبكه عصبي مصنوعي و GIS ( مطالعه موردي : دشت مُهر)

اهميت آبهاي زيرزميني به عنوان يك منبع مهم تامين آب در مناطق خشك و نيمه خشك بر كسي پوشيده نيست. عواملي مانند افزايش جمعيت، توسعه كشاورزي و رشد صنعت باعث افزايش برداشت از منابع آب زيرزميني شده و در مواقع بحراني نظير وقوع پديده خشكسالي، افزايش برداشت از منابع آب زيرزميني را در پي دارد و همين امر موجب افت سطح آب زيرزميني در آبخوان ها شده و باعث بروز مشكلاتي مانند خشك شدن چاه هاي آب ،كاهش كيفيت آب و تخريب آبخوان ها شده است. از آنجا كه كاهش سطح آب زيرزميني بر افت كيفي آب نيز تاثير چشمگيري دارد لذا به كمك پايش و استفاده از داده هاي كمي و مقادير ماهانه سطح آب زيرزميني دشت مهر، تغييرات كمي آن توسط مدل هاي سري زماني و شبكه عصبي مصنوعي شبيه سازي و پيش بيني گرديد و سپس نقشه پهنه بندي مقادير آتي به كمك مدل هاي زمين آمار تهيه گرديد. همچنين جهت بررسي و مقايسه دقت شبكه عصبي مصنوعي و سري زماني در شبيه سازي و پيش¬بيني جهت استفاده در آينده، از آماره هاي ضريب همبستگي و ريشه ميانگين مربعات خطا واستفاده شد كه به ترتيب براي شبكه عصبي مصنوعي مقادير 88/0 و 117/0 و براي سري زماني 81/0 و آماره عدد آكائيكي 3/0 بدست آمد. بر همين اساس و مقايسه مقادير پيش بيني شده و مشاهده شده مشخص گرديد كه شبكه عصبي مصنوعي از دقت بالاتري برخوردار است كه اين امر مي تواند ناشي از ورود اطلاعات بيشتر در شبيه سازي باشد كه منجر به دقت بالاتري گرديد.