پیش‌ بینی تراز آب زیرزمینی در آبخوان محدوده ارسنجان با استفاده از شبکه‌های عصبی مصنوعی

شبیه‌سازی سیستم آبهای زیرزمینی به دلیل پیچیدگیهای موجود در طبیعت این سیستمها، به آسانی میسر نیست. این درحالیست که شبکه‌های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی‌های بالایی که دارند برای مدلسازی سیستمهای پیچیده و غیرخطی بسیار مناسب می‌باشند. شبکه‌های عصبی مصنوعی بر مبنای استفاده از دانش نهفته بین متغیرهای ورودی و خروجی یک سیستم و بدون در نظر گرفتن فیزیک مسئله، قادر به استخراج روابط ذاتی بین آنها و تعمیم آن در موقعیت‌های دیگر هستند. میتوان گفت که این شبکه‌ها با الهام گرفتن از مدل مغز انسان و ضمن اجرای فرآیند آموزش و ذخیره‌سازی اطلاعات، قادر به پیش‌بینی رفتار یک سیستم می‌باشند. پر واضح است که به منظور دستیابی به جوابهای مناسب و قابل قبول از شبکه عصبی باید انواع ترکیبات ورودی شبکه، تعداد لایه‌های شبکه، تعداد نورونهای لایه‌های ورودی و مخفی شبکه و غیره مورد ارزیابی و بررسی قرار گیرند. هدف از انجام این تحقیق ارزیابی توانائی شبکه‌های عصبی مختلف در پیش‌بینی تراز آبهای زیرزمینی محدوده ارسنجان در استان فارس می‌باشد. ساختارهای مختلف مورد استفاده در این تحقیق شامل سه شبکه عصبی (پشرو، برگشتی و تابع شعاعی) و دو الگوریتم (لونبرگ-مارکوارت و پس انتشار خطا) بوده است. بر اساس نتایج حاصله، الگوریتم لونبرگ-مارکوارت کمترین خطا را در ساختارهای مورد استفاده داشته و می‌توان گفت ساختارهایی که از این الگوریتم سود بردند نتایج قابل قبولی ارائه کرده‌اند. از نظر توانائی شبکه‌های مختلف مورد استفاده، شبکه‌های عصبی مصنوعی پیشرو با الگوریتم لونبرگ-مارکوارت بهترین نتایج را ارائه داد. این ساختار توانست پیش‌بینی ماهانه‌ای از سطح ایستابی آبهای زیرزمینی در بازه زمانی دو ساله برای مراحل آموزش و آزمایش ارائه نماید.

کلیدواژه ها:

تراز آب زیرزمینی ، شبکه‌های عصبی مصنوعی ، آبخوان ارسنجان.