ارزيابي شبكه عصبي مصنوعي و مدل عددي MODFLOW در پيشبيني سطح ايستابي (مطالعه موردي: خراسان جنوبي-دشت بيرجند)

آب هاي زيرزميني به عنوان يكي از مهم ترين منابع تامين آب شرب و كشاورزي به ويژه در مناطق خشك و نيمه خشك مطرح بوده است. دشت بيرجند با قرار گرفتن در منطقه خشك، استفاده از آب هاي زيرزميني را به عنوان تنها منبع توليد آب شيرين در اختيار دارد. پيش بيني نوسانات سطح آب زيرزميني دشت مي تواند كمك شاياني به برنامه ريزي و تصميم گيري هاي بعدي، جهت تامين دراز مدت آب شرب، كشاورزي و صنعت نمايد. هدف از اين تحقيق مقايسه دو روش مدل عددي MODFLOW و شبكه عصبي مصنوعي در پيش بيني سطح ايستابي دشت بيرجند مي باشد. شبكه عصبي مصنوعي يكي از روش هاي هوشمند بوده كه با استفاده از ارتباط ذاتي داده‌ها، روابط غيرخطي بين آن ها را آموزش ديده و نتايج را براي بقيه حالات تعميم مي‌دهد. مدل عددي نيز با دريافت كليه اطلاعات مربوط به يك آبخوان كه به صورت لايه هاي GIS مي باشد، قادر به پيش بيني سطح آب در آينده است. نرم افزار GMS براي حل عددي معادله حاكم بر حركت آب زيرزميني از دو روش المان محدود و تفاضل محدود استفاده مي نمايد كه در اين تحقيق از روش تفاضل محدود استفاده شد. مدل عددي براي دو حالت ماندگار و غيرماندگار و در سه سناريوي ترسالي، نرمال و خشك سالي اجرا و مورد مقايسه قرار گرفت. در بخش مدل شبكه عصبي، ورودي‌هاي مدل عبارت است از، ميزان برداشت از چاه هاي آب، ميزان آب ورودي به هر چندضلعي بر حسب مترمكعب (ناشي از بارندگي منطقه) و تراز سطح آب در هر پيزومتر در گام زماني قبل و خروجي مدل، تراز سطح آب در گام زماني فعلي مي باشد. نتايج نشان مي‌دهد كه با استفاده از روش شبكه عصبي مصنوعي مي‌توان با دقت مناسبي سطح آب زيرزميني را تا 12 ماه بعد پيش بيني نمود، ضمن آن كه در تعدادي از پيزومترها پيش بيني تا 18 ماه نيز از دقت مناسبي برخوردار است. مدل عدديMODFLOW نيز تا 24 ماه آتي و با دقت بيش تري نسبت به شبكه عصبي مصنوعي تغييرات سطح آب را پيش بيني مي نمايد.