عملكرد شبكه عصبي مصنوعي در پيش بيني و تحليل فرايندهاي هيدرولوژيك (مطالعه موردي: كمبود آب حوضه آبخيز نازلوچاي در استان آذربايجان غربي)

بارش يكي از فرايندهاي هيدرولوژيك است كه تاثير زيادي در كنترل مديريت منابع آب دارد. كمبود بارش سبب به وجود آمدن مشكلات فراواني از جمله كمبود آب شرب ميشود. به علت اهميت مسئله كمبود آب، استفاده از روشهاي نوين بهمنظور پيشبيني فرايندهاي هيدرولوژيك تاثير زيادي در برنامهريزي و مديريت منابع آب خواهد داشت. از اين رو، در تحقيق حاضر كمبود آب ماهانه در حوضه نازلوچاي طي يك دوره آماري 39ساله (1352 ـ 1391) با استفاده از مدل شبكه عصبي مصنوعي و مدل بهبوديافته موجك ـ شبكه عصبي، شبيهسازي، پيشبيني و تحليل شده است. عملكرد اين دو مدل توسط معيارهاي خطاي ضريب همبستگي، ضريب تبيين و جذر ميانگين مربعات خطا ارزيابي شد. بنا بر نتايج به دست آمده، مدل موجك ـ شبكه عصبي با ضريب همبستگي 96/0 و 945/0 كه به ترتيب مختص به حالت آموزش و آزمون است، نسبت به شبكه عصبي مصنوعي توانايي بيشتري براي پيشبيني كمبود آب داشت. در ادامه، مقادير كمبود آب ماهانه در اين حوضه طي سالهاي 1392 تا 1399 پيشبيني شده است. نتايج نشان مي دهند روند كمبود آب همچنان مانند گذشته باقي است. البته، متوسط ميزان كمبود در 8 سال آينده تقريباً 95/2 ميليون متر مكعب تخمين زده شد. در حالي كه همين پارامتر براي 39 سال گذشته 04/4 ميليون متر مكعب بوده است. از اين رو، نياز است كه براي سالهاي آينده اقدامات لازم انجام شود و با برنامهريزي مديريتي دقيق براي بهرهبرداري از منابع آب (كشاورزي، صنعت، شرب و...)، كاهش ميزان كمبود آب در سالهاي آتي ممكن شود.