پيش بيني تراز آب زيرزميني دشت شاهرود استفاده از شبكه عصبي مصنوعي تابع پايه شعاعي

پيش­بيني تراز آب زيرزميني به منظور مديريت و برنامه­ريزي منابع آب، بسيار مهم است. براي انجام اين پيش­بيني، از روش­هاي متعددي مانند روش­هاي استوكستيكي، منطق فازي و شبكه عصبي مصنوعي مي­توان استفاده نمود. در تحقيق حاضر، مدل شبكه عصبي مصنوعي RBF هيبريد براي پيش­بيني تراز آب زيرزميني دشت شاهرود مورد استفاده قرار گرفته است. اين هيبريد بودن شبكه باعث افزايش دقت روش نسبت به شبكه RBF پايه مي­شود. بدين منظور آمار ماهانه تراز ايستابي دشت شاهرود و هم­چنين داده­هاي هواشناسي مانند دما، بارندگي، رطوبت و تبخير، داده­هاي آب­هاي سطحي مانند دبي ورودي و خروجي به دشت شاهرود (دبي ورودي مجن آبشار، دبي ورودي تاش فرحزاد و دبي خروجي قلعه نو) طي يك دوره آماري 1994 تا 2010 استفاده شده است. بررسي داده­ها نشان مي­دهد كه برخي از داده­ها، هم­بسته بوده و داراي الگوي فصلي هستند، اين مساله، پيش­بيني داده­ها را دشوار مي­كند. بر اين اساس، روش ارائه شده در اين مقاله شامل مراحل غيرفصلي سازي، نرمال­سازي و حذف داده­هاي وابسته است كه پيش از اين به آن در تحقيقات پرداخته نشده است. سپس از 85 درصد داده­ها براي آموزش و از 15 درصد آنها، براي تست مدل استفاده شده است. در نهايت، بررسي نتايج نشان مي­دهد كه مدل شبكه عصبي ارائه شده، تراز آب دشت شاهرود را براي سه سال پياپي با ميانگين مربعات خطاي 0257/0 ­متر براي سال اول، 0270/0 متر در سال دوم و 0452/0 متر در سال سوم مي­تواند پيش­بيني كند. همچنين در صورتي كه بارش منطقه در يك سال، 30 درصد كاهش يابد، نتايج پيش­بيني مدل مذكور نشان مي­دهد كه تراز آب زيرزميني 7/0 كاهش مي­يابد.