ارزيابي تعداد نرون‌هاي مختلف توابع انتقال شبكه عصبي در پيش‌بيني سطح آب‌هاي زيرزميني

تعيين و پيش‌بيني دقيق عمق سطح آب‌هاي زيرزميني در مديريت آب و برنامه‌ريزي‌ها مهم است. آب‌هاي زير زميني از منابع مهمي‌است كه در اثر تغييرات اقليمي‌و هم‌چنين شيوه و ميزان بهره‌برداري، در سال‌هاي اخير روند نزولي داشته‌اند. با توجه به افزايش تقاضاي آب و از طرف ديگر افت شديد آب‌هاي زيرزميني، مديريت پايدار‌اين منابع نمود بيش‌تري پيدا كرده است. بر‌اساس بررسي‌هاي سازمان ملل،‌ايران در زمره كشورهاي مواجه با كمبود آب قلمداد مي‌شود. هدف از‌اين تحقيق ارزيابي پيش‌بيني آب‌هاي زيرزميني با استفاده از شبكه عصبي گراديان ديسكنت و توابع انتقال Hyperbolic tangent با تعداد نرون‌هاي مختلف مي‌باشد. خروجي‌هاي هر مدل با معيارهاي MAE, RMSE, R2 ارزيابي گرديد و نتايج نشان دادند كه تابع انتقال Tanh با تعداد40 نرون در لايه پنهان مدل برتر در پيش‌بيني است. با تعميم‌اين مدل به 10 چاه مشاهده‌اي و برون‌يابي به وسيله تابع RBF مدل پيوسته‌اي از سطح ارتفاع آب‌هاي زير‌زميني در دشت براي سال 1400 به‌دست آمد.