یوسف عبادی؛ جواد جاودان؛ محمدحسین رضایی مقدم
چکیده
ماهیت متغیرهای کمی و کیفی آبهای زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینهبر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار میکند. در این میان روشهای درونیابی ریاضی و زمین آماری و مدلهای ...
بیشتر
ماهیت متغیرهای کمی و کیفی آبهای زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینهبر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار میکند. در این میان روشهای درونیابی ریاضی و زمین آماری و مدلهای هوش مصنوعی در سالهای اخیر نتایج بسیار قابل قبولی از این برآوردها ارائه کردهاند. در تحقیق حاضرکه با هدف ارزیابی دقت روشهای زمین آمار و شبکه عصبی مصنوعی انجام گرفته است، با استفاده از آمار اندازهگیری شده سطح تراز ایستابی آبهای زیرزمینی در 46 حلقه چاه مشاهدهای منتخب برای سال 93، در دشت شبستر- صوفیان، اقدام به برآورد مقادیر نامعلوم سطح تراز در منطقه مورد مطالعه با استفاده از روشهای زمین آمار (kriging) و روش شبکه عصبی پرسپترون چند لایه (MLP) شده است. نتایج حاصل از این تحقیق نشان میدهد، روش شبکه عصبی (MLP) با میزان همبستگی بالا (96/0) و جذر میانگین مربعات خطای کمتر (18/13) نسبت به روش کریجینگ (با میزان همبستگی 90/0 و جذر میانگین مربعات خطای 10/20)، توانایی بالاتری در میان یابی سطح تراز آب زیرزمینی دشت شبستر- صوفیان دارد، که این نتیجه با تحقیقات قبلی در این زمینه مبنی بر توانایی و انعطاف بیشتر مدلهای هوش مصنوعی در مطالعات هیدروژئولوژیکی آبخوانها مطابقت دارد. از این رو استفاده از روشهای جدید مانند شبکههای عصبی مصنوعی(ANN) و روشهای فازی - عصبی تطبیقی (ANFIS) میتواند، در دستیابی به برآوردهای دقیق تر از شرایط سفرههای آب زیرزمینی و اطلاع از کم و کیف آنها کمک شایانی به محققان و برنامهریزان در این زمینه ارائه کند.