پیش بینی تراز آب زیرزمینی با استفاده از مدل شبکه های عصبی مصنوعی (مطالعه موردی: دشت شبستر)

Geotechnical Geology

دوره 8، شماره 4، اسفند 2012، صفحه 345-353   

نوع مقاله: Original Research

نویسندگان

زینب مختاری^{* 1}؛ امیرحسین ناظمی²؛ عطااله ندیری²

¹گروه زمین شناسی، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد مراغه، مراغه، ایران

²گروه آبیاری دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

چکیده

آبهای زیرزمینی، همواره به عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بوده اند . شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی این سیستمها به آسانی میسر نیست. هدف از این پژوهش، پیش بینی نوسانات تراز آب زیرزمینی دشت شبستر واقع در جنوب استان آذربایجان شرقی با استفاده از شبک ههای عصبی مصنوعی می باشد. به منظور آموزش مدل، از اطلاعات 15 پیزومتر که دارای آمار تراز سطح ایستابی با سری زمانی 9 ساله (1380-1388) بودند و در کل دشت پراکندگی یکنواختی داشتند استفاده شد. پارامترهای دما، بارش، دبی خروجی دریان چای و تراز آب زیرزمینی هر یک از پیزومترها با تأخیر زمانی t0-1 (ماه قبل) به صورت ماهانه، چهار ورودی اصلی شبکه های عصبی مصنوعی را تشکیل دادند. مقدار تراز آب زیرزمینی نیز تنها خروجی این شبکه را شامل می شود. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی با تابع آموزشی TRAINLM و تابع محرک TANSIG، قادر به پیش بینی سطح آب زیرزمینی ماهانه در بازه زمانی 3 ساله با دقت بالای  R2= 99.63 (RMSE=1.43) در مرحله آموزش و R2=99.16 (RMSE= 1.167) در مرحله صحت سنجی در محدوده مورد مطالعه است.

کلیدواژه‌ها

دشت شبستر؛ تابع محرک؛ تابع آموزشی؛ تراز آب زیرزمینی؛ شبکه عصبی مصنوعی