پيش‌بيني ارزيابي پتانسيل آب زيرزميني در دشت خرم آباد بر اساس شبكه‌هاي عصبي كانولوشن

امروزه به‌دليل افزايش جمعيت، توسعه صنعتي، بهره‌برداري بي‌رويه، خشكسالي‌ها بهره‌برداري از آب‌هاي زيرزميني چندين برابرشده است. بنابراين تشخيص مناطق داراي آب زيرزميني به‌عنوان يكي از منابع مهم براي تأمين آب آشاميدني، كشاورزي، صنايع مختلف به‌خصوص  از موارد مهم و ضروري در مديريت منابع آب محسوب مي‌شود. هدف از انجام اين پژوهش، بررسي و پهنه‌بندي مناطق داراي آب زيرزميني در دشت خرم‌آباد واقع در استان لرستان با استفاده از روش شبكه عصبي كانولوشن است. بدين منظور ابتدا از طريق بازديدهاي ميداني، نقشه‌هاي زمين‌شناسي و توپوگرافي و با مرور منابع قبلي و بررسي شرايط منطقه، نه عامل طبقات ارتفاعي، شيب، جهت‌ شيب، فاصله از گسل، فاصله از رودخانه، بارش، ليتولوژي و كاربري‌اراضي، خاك به‌عنوان عوامل مؤثر بررسي و انتخاب شدند و  نقشه آن‌ها در محيط ArcGisتهيه شدند. درروش كانولوشن تعداد نمونه‌ها به‌عنوان نسبت بين مجموعه آموزشي و مجموعه آزمايشي70:30 تعيين شد و چارچوب شبكه عصبي كانولوشن به‌عنوان 2 لايه كانولوشن و 2 لايه ادغام، 2 اتصال كامل استفاده شد. لايه‌ها و در نهايت لايه sigmoid براي در طبقه‌بندي از هسته كانولوشن 3 3، تابع Relu به‌عنوان تابع فعال‌سازي و تابع آنتروپي متقاطع به‌عنوان تابع زيان استفاده شد. نقشه‌هاي به‌دست آمده در 5 كلاس طبقه‌بندي شد. هم‌چنين براي اعتبارسنجي نتايج مدل از ماتريس كانفيوزن استفاده شد.30 درصد از داده‌هاي واقعي براي ارزيابي استفاده شد كه منجر به‌دقت كلي92 درصد شد، يعني مدل توانسته 92درصد داده‌ها را آب زيرزميني و93درصد عدم آب زيرزميني رو به‌درستي تشخيص دهد. تجزيه و تحليل نقشه پتانسيل آب زيرزميني مدل شبكه عصبي كانولوشن نشان مي‌دهد كه حدود 57 درصد منطقه در شرايط كم آب زيرزميني و43درصد منطقه در شرايط خوب آب زيرزميني قرار دارد.