علیرضا ژاله دوست - دانشجوی کارشناسی ارشد مهندسی عمران نقشه برداری گرایش سیستم های اطلاعات مکانی، دانشگاه خواجه نصیرالدین طوسی
زهرا مرادی کلارده - دانشجوی کارشناسی ارشد مهندسی عمران نقشه برداری گرایش سیستم های اطلاعات مکانی، دانشگاه خواجه نصیرالدین طوسی

آب به طور گسترده به عنوان منبعی ضروری و محدود در نظر گرفته می شود. با رشد جمعیت و افزایش نرخ تقاضا تنش آبی و کمبود منابع، بخش مهمی از آب موردنیاز در بخش های مختلف از منابع آب های زیرزمینی تامین می شود؛ بنابراین به تدریج شاهد افزایش روند پمپاژ آب و درنتیجه افت سطح آب زیرزمینی و تهی شدن سفره ها بوده ایم که پیامدهای جبران ناپذیری دارد. ازاین رو مدل سازی و پیش بینی مکانی سطح آب های زیرزمینی آگاهی و مدیریت وضعیت این منابع را به دنبال خواهد داشت. به طورکلی بررسی مکانی تغییرات آب به عنوان یک چالش بزرگ مطرح است. ازآنجاکه بیشتر تحقیقات موجود بر پیش بینی زمانی متمرکز می باشد در این مطالعه برخی از روش های مدل سازی و پیش بینی مکانی سطح آب های زیرزمینی شامل روش های Kriging، Random Forest، Suport Vector Machine و Artificial Neural Network همچنین ادغام روش های نام برده با سیستم اطلاعات مکانی شرح داده شده است. از طرفی دیگر مزایا و معایب روش های مختلف بررسی شد و درنهایت نتایج صورت گرفته نشان داد پیش بینی با استفاده از Artificial Neural Network باعث بهتر شدن نتایج می شود و دقت را بهبود می بخشد.

آب زیرزمینی، شبکه عصبی، جنگل تصادفی، ماشین بردار پشتیبان، درخت تصمیم