مدیریت و بهره برداری بهینه از منابع آبهای زیرزمینی با شبکه های عصبی مصنوعی

استفاده از شبکه عصبی در پیش بینی متغیرهای منابع آبی از جمله آبهای زیرزمینی بطور گسترده رو به افزایش است. این تحقیق از طریق شبکه عصبی مصنوعی چندین هدف را دنبال می کند، که شامل تعیین پارامترهای مؤثر بر نوسانات سطح آب زیرزمینی در دشت بیرجند و همچنین بررسی تأثیر مکانی و زمانی پارامترهای سطح آب از طریق داده های زمانی 10 ساله میباشد. مدلسازی نوسانات سطح آب زیرزمینی در پیزومترهای منتخب در دشت مورد مطالعه می باشد. بهترین مدلسازی نوسانات سطح آب با مدل شبکه عصبی FNN-LM از طریق انتخاب پارامترهای مناسب و با قابل قبولترین تأخیر زمانی بدست آمد. در نهایت با تغییر درصدی شش ماه آخر داده های ورودی در مدل اقدام به ایجاد چهار شرط فرضی گردید. با توجه به مدلهای شبکه عصبی بدست آمده به پیش بینی نوسانات سطح آب زیرزمینی در این شرایط فرضی پرداخته شده است.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، نوسانات سطح آب زیرزمینی ، الگوریتم لونبرگ - مارکوت ، دشت بیرجند