مقایسه شبکه های عصبی مصنوعی و رویکرد زمین آماری در پیش بینی تراز آب زیرزمینی - مطالعه موردی آبخوان دشت مشهد

تحقیق حاضر با هدف تعیین روش مناسب جهت تخمین تراز آب زیرزمینی و با مطالعه ی موردی دشت مشهد به مقایسه روش زمین آماری کریجینگ و شبکه های عصبی مصنوعی با معماری های مختلف پرداخته است. داده های مورد استفاده در تحقیق حاضر(دوره آماری 1366- 1359) شامل تراز ماهانه 84 حلقه چاه، بارش ماهانه، تبخیر و تعرق واقعی ماهانه و نوسانات مکانی وابسته در دو چاه همسایه بوده اند. تراز آب زیرزمینی در بُعد زمانی با 4 نوع شبکه عصبی و روش کریجینگ تخمین زده شده است. نتایج حاکی از بالاتر بودن دقت تخمین روش شبکه عصبی بازگشتی با الگوریتم آموزشی لونبرگ مارکوارت در تخمین زمانی 4 حلقه چاه نمونه به ترتیب با میانگین ضریب همبستگی و میانگین قدر مطلق 920/0 و 372/0 می باشد. شبکه عصبی پیشرو با الگوریتم آموزشی لونبرگ مارکوارت پس از روش مذکور از دقت بالاتری نسبت به سایر شبکه ها برخوردار می باشد. در تحقیق حاضر روش کریجینگ پس از ین دو روش نتیجه مطلوبی از خود نشان داده است.

کلیدواژه ها:

تراز آب زیرزمینی ، دشت مشهد ، زمین آمار ، شبکه عصبی