ارزيابي دقت روش شبكه هاي عصبي مصنوعي و زمين آمار در ميان يابي سطح تراز آب هاي زيرزميني؛ مطالعه موردي: دشت شبستر صوفيان

ماهيت متغيرهاي كمي و كيفي آب‌هاي زيرزميني به دليل تأثير مستقيم در زندگي انسان، همواره يكي از موضوعات مطرح در تحقيقات علمي و دانشگاهي بوده است. هزينه‌بر بودن و عدم امكان مطالعه دقيق اين منابع، لزوم استفاده از روش جديدي را براي برآورد چنين متغيرهايي به طور كامل آشكار مي كند. در اين ميان روش‌هاي درون‌يابي رياضي و زمين آماري و مدل‌هاي هوش مصنوعي در سال‌هاي اخير نتايج بسيار قابل قبولي از اين برآوردها ارائه كرده‌ اند. در تحقيق حاضركه با هدف ارزيابي دقت روش‌هاي زمين  آمار و شبكه عصبي  مصنوعي انجام گرفته است، با استفاده از آمار اندازهگيري شده سطح  تراز ايستابي آب‌هاي زيرزميني در 46 حلقه چاه مشاهده‌اي منتخب براي سال 93، در دشت شبستر صوفيان، اقدام به برآورد مقادير نامعلوم سطح  تراز در منطقه مورد مطالعه با استفاده از روش‌هاي زمين  آمار (kriging) و روش شبكه  عصبي پرسپترون چند لايه (MLP) شده است. نتايج حاصل از اين تحقيق نشان مي‌دهد، روش شبكه  عصبي (MLP) با ميزان همبستگي بالا (0.96) و جذر ميانگين مربعات خطاي كمتر (13.18) نسبت به روش كريجينگ (با ميزان همبستگي 0.90 و جذر ميانگين مربعات خطاي 20.10)، توانايي بالاتري در ميان يابي سطح تراز آب زيرزميني دشت شبستر صوفيان دارد، كه اين نتيجه با تحقيقات قبلي در اين زمينه مبني بر توانايي و انعطاف بيشتر مدل‌هاي هوش مصنوعي در مطالعات هيدروژئولوژيكي آبخوان‌ها مطابقت دارد. از اين رو استفاده از روش هاي جديد مانند شبكه هاي عصبي مصنوعي(ANN) و روش‌هاي فازي عصبي تطبيقي (ANFIS) ميتواند، در دستيابي به برآوردهاي دقيق تر از شرايط سفره‌هاي آب زيرزميني و اطلاع از كم و كيف آنها كمك شاياني به محققان و برنامه‌ ريزان در اين زمينه ارائه كند.