ارزيابي كارايي روش‌هاي شبكه‌ عصبي مصنوعي و رگرسيون چند‌متغيره در بررسي افت سطح آبخوان‌هاي كشور (مطالعه‌ آبخوان دشت اراك)

در سال هاي اخير، منابع آب زيرزميني دشت اراك تحت تنش شديد قرار گرفته است، به طوري كه در بعضي مناطق به‌علت خشك شدن چاه هاي بهره‌برداري، براي دسترسي به آب اقدام به افزايش عمق چاه كرده اند. در بعضي مناطق، سطح آب زيرزميني بالاست كه در آينده، زهدار شدن آن اراضي را در پي خواهد داشت. براي ساماندهي و سنجش واكنش منابع آب زيرزميني دشت اراك در مقابل اعمال سناريوهاي مختلف مديريتي و اجرايي از مدل سازي منطقه اي استفاده شد. هدف اين مطالعه، بررسي عوامل مؤثر در عمق سفره هاي آب زيرزميني به‌منظور ارائه‌ مدل منطقه اي با روش رگرسيون چند متغييره براي آبخوان دشت اراك بود. بدين‌منظور عمق متوسط سفره هاي آب زير زميني در دشت اراك، به‌عنوان متغيير وابسته و عوامل هدايت آبي تشكيلات آبخوان، ارتفاع، متوسط بارش منطقه، ميزان تبخير و فاصله از منابع آبي به‌عنوان متغيرهاي مستقل در نظر گرفته شد و در محيط نرم‌افزار SPSS تجزيه‌ رگرسيوني به‌منظور ارائه‌ يك مدل خطي انجام گرفت. در مرحله‌ بعد مدل ارائه شده با بكارگيري در مكان هايي كه از آمار و اطلاعات آن براي ارائه‌ مدل استفاده نشده بود، مورد ارزيابي و كارايي آن مورد بررسي قرار گرفت و در نهايت با بكارگيري اين مدل در محيط GIS نقشه‌ عمق سفره‌ آب زيرزميني براي منطقه‌ مورد مطالعه تهيه شد. همچنين از شبكه‌ عصبي مصنوعي ANN براي شبيه سازي عمق آب زيرزميني استفاده گرديد. عملكرد شبكه‌ عصبي از طريق پارامترهايي چون خطاي جذر ميانگين مربعات (RMSE) و ضريب همبستگي بين خروجي هاي حقيقي و دلخواه (R) سنجيده شد. نتايج حاصل از هر دو روش نشان داد كه عوامل نوع قابليت انتقال تشكيلات آبخوان، افت سفره، توپوگرافي (ارتفاع محل چاه در سطح حوضه آبخيز)، مقادير بهره برداري در حداكثر شعاع عمل چاه و فاصله از منابع آب از عوامل اصلي افت آب زيرزميني مي باشند اما كارايي شبكه‌ عصبي مصنوعي در برآورد افت آب زيرزميني بيشتر از روش رگرسيون چند متغيره است.