كاربرد مدل شبكه عصبي در برآورد ميزان برداشت از آب‌هاي زيرزميني (نمونه موردي: شرق جلگه اصفهان)

The Application of Neural Network Model to Estimate Emount of Groundwater Consumption

پيش‌بيني ميزان مصرف آب كمك موثري به مديران و بهره‌برداران سيستم‌هاي آب زيرزميني است تا بتوانند نسبت به مديريت صحيح مصرف اقدام كنند. هدف از انجام اين پژوهش، پيش‌بيني ميزان برداشت از آب‌هاي زيرزميني شرق جلگه اصفهان با استفاده از شبكه‌هاي عصبي مصنوعي (Artificial Neural Networks) به‌عنوان ابزاري توانمند در مدل‌سازي فرايندهاي غيرخطي و نامعين است. داده‌هاي استفاده‌شده در اين مطالعه براي تحليل وضعيت منابع آب زيرزميني و پيش‌بيني وضعيت آينده، برداشت از آن با استفاده از روش شبكه عصبي، ميزان تخليه هريك از چاه‌هاي موجود در روستاهاي منطقه مورد مطالعه به تفكيك سال‌هاي مختلف در فاصله زماني 1382 تا 1390 و به تعداد 16222 حلقه چاه است. نتايج به‌دست‌آمده از مدل با 7 لايه ورودي و خطاي كمتر از 0/001 در نمونه يادگيري و 0/02 در نمونه آزمون، مويد آن است كه تا سال 1394 ميزان برداشت از آب‌هاي زيرزميني منطقه مورد مطالعه به ميزان 519 ميليون متر مكعب افزايش خواهد يافت. اين مسيله با توجه به ناپايداري وضعيت منابع آب سطحي در منطقه لزوم طراحي برنامه‌ريزي مديريت بحران را دوچندان مي‌كند.

Predicting the amount of water consumed would help the managers in exploitation of underground water systems so that they could manage consumption effectively. This issue, especially in Iran with repeatedly drought and limited water sources is significantly more important. In the present research, by using, artificial neural networks as a powerful tool in non-linear and indefinite processes have been used in order to predict the amount of water.The data used in this study to analyze the status of groundwater resources and predict the future course of using the neural network,are the discharge of any of the existing wells in the villages of the region according to different years In the period 2003 to 2011, the number of 16222 wells. exploited from underground resources located in the eastern part of Isfahan plain. The results indicate that the water volume exploited from underground resources will reach up to 519 Million cubic meters until 2015. Considering the instability of surface resources in the region, this issue adds more and more on the necessity of the crisis management planning.