كاربرد شبكه هاي عصبي مصنوعي در شبيه سازي آبهاي زيرزميني

شبیه سازی سیستم آبهای زیر زمینی به دلیل پیچیدگی های موجود در طبیعت این سیستمها به مراتب از آبهای سطحی است. این وضعیت بخصوص در مورد بهینه سازی این سیستمها نمود بیشتری می یابد. با توجه به گستردگی آبخوانها، برای تولید ضرایب پاسخ واحد با اسفتاده از مدلهای شبیه سازی، لازم است زمان زیادی صرف كالیبراسیون مدل و تولید ضرایب پاسخ گردد. در این مقاله روشی جهت كاهش زمان محاسبه و تولید این ضرایب بر مبنای شبكه های عصبی مصنوعی ارائه شده است. جهت آموزش شبكه های عصبی مورد بررسی، تركیبات مختلفی از مختصات مكانی چاه پمپاژ، فاصله چاه پمپاژ و چاه مشاهداتی ، و هدایت هیدرولیكی چاه پمپاژ در نظر گرفته شده وملاحظه گردید كه تنها با استفاده از مختصات مكانی چاههای پمپاژ می توان ضرایب پاسخ را با دقت كافی تولید نمود. جهت مقایسه و ارزیابی نتایج دراین مطالعه از یك آبخوان فرضی استفاده شده است وضرایب پاسخ آن به سه روش تولید و با هم مقایسه شده اند: روش معمول استفاده مكرر از یك مدل شبیه سازی ، استفاده از یك مدل رگرسیونی چندگانه، و شبكه های عصبی مصنوعی . نتایج حاصل از حاكی از دقت بالای روش شبكه های عصبی مصنوعی و عملكرد ضعیف روش رگرسیونی در تولید ضرایب پاسخ آبخوان برای مجموعه ای ثابت از داده های موجود می باشد.