مدل‌سازي تغييرات سطح آب زيرزميني بر اساس روش هاي مبتني بر هوش مصنوعي (مطالعه موردي: دشت زاوه تربت‌حيدريه)

منابع آب زيرزميني يكي از مهمترين منابع آبي هر كشور مي‌باشد كه شناخت صحيح و بهره برداري اصولي از آن مي‌تواند در توسعه پايدار فعاليت هاي اجتماعي و اقتصادي يك منطقه بويژه در مناطق خشك و نيمه‌خشك نقش بسزايي داشته باشد. پيش‌بيني نوسان هاي سطح آب زيرزميني براي مديريت آب، امر ضروري مي‌باشد. منطقه مورد مطالعه با گستره‌اي حدود 2504 كيلومترمربع در شمال كوير نمك، در جنوب شهر مشهد واقع است. هدف از اين پژوهش، مدل سازي تغييرات سطح آب زيرزميني دشت زاوه تربت‌حيدريه با استفاده از شبكه‌هاي عصبي پرسپترون چندلايه با الگوريتم پس انتشار خطا و شبكه عصبي LVQ مي باشد. به همين ‌منظور جهت آموزش مدل، از اطلاعات 18 پيزومتر كه داراي آمار 20 ساله (1395-1375) بودند، مستخرج و توسط محقيقن اين پژوهش از سازمان آب منطقه اي استان خراسان رضوي جمع آوري شدند و پس از پيش پردازش، در اين مطالعه مورد استفاده قرار گرفت. هريك از پيزومترها با تاخير زمانيt01 (ماه قبل) به صورت ماهانه ثبت شده و در هر پيزومتر، هفت پارامتر، ورودي هاي سيستم را تشكيل مي دهند. جهت ارزيابي خطاي سيستم از روش حداقل مربعات خطا (RMSE) محاسبه‌شده است. مقدار تراز آب زيرزميني نيز تنها خروجي اين شبكه عصبي را شامل مي‌شود. براين اساس نتايج اين تحقيق نشان داد كه شبكه عصبي مصنوعي با الگوريتم هاي آموزشي آموزشي Gradient Descent, Gradient Descent with Momentum, Levenberg Marquardt قادر به پيش‌بيني سطح آب زيرزميني به صورت ماهانه بادقت (RMSE=0/0012 (R2=0/9810, در مرحله آموزش و با دقت (RMSE=0/021 R2 = 0/9622,) در مرحله آزمون در محدوده مورد مطالعه است.