ارزیابی عملکرد شبکه عصبی NARX در بررسی تغییرات حجم آب زیرزمینی آبخوان مهارلو با استفاده از داده های ماهواره ای

پیش بینی دقیق تغییرات حجم آب زیرزمینی از اهمیت بالایی در مدیریت منابع آب بهویژه در مناطق خشک و نیمه خشک برخوردار ا ست. در این مطالعه، عملکرد شبکه عصبی غیرخطی با ورودی های خارجی (NARX) در برر سی و پیش بینی تغییرات حجم آب زیرزمینی آبخوان مهارلو با استفاده از داده های ماهواره ای مورد ارزیابی قرار گرفت. آبخوان مهارلو، به دلیل نقش حیاتی در تامین آب منطقه و آسیب پذیری در برابر تغییرات اقلیمی و برداشت های بیش از حد، به عنوان مطالعه موردی انتخاب شد. داده های ماهوارهای از منابع مختلف شامل شاخص های پوشش گیاهی و تبخیر و تعرق (ET) به عنوان ورودی های مدل NARX استفاده شدند. نتایج نشان می دهد که مدل NARX قابلیت بالایی در پیش بینی تغییرات حجم آب زیرزمینی دارد و با دقت مطلوبی توانسته است تغییرات واقعی آبخوان را پیش بینی کند. این روش میتواند به عنوان ابزاری موثر برای مدیریت بهینه منابع آب زیرزمینی و ارائه راهکارهای مناسب در مواجهه با بحران های کم آبی مورد استفاده قرار گیرد. بررسی های آماری و تحلیل خطاهای مدل نیز دقت بالای روش را تایید می کند. در نهایت، این تحقیق نشان میدهد که ترکیب مدل های هوش مصنوعی مانند NARX با داده های ماهواره ای می تواند ابزار قدرتمندی برای پایش و پیش بینی تغییرات آب زیرزمینی در مناطق بحرانی باشد.

کلیدواژه ها:

تغییرات حجم آبخوان ، مدل شبکه عصبی NARX ، آبخوان مهارلو ، داده های ماهواره ای