یاسر باقری؛ اسفندیار عباس نوین پور؛ عطااله ندیری؛ کیوان نادری
چکیده
قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. رشد روز افزون جمعیت و محدودیت منابع آبی و استفاده بیش از قبل از منابع آب زیرزمینی در بیشتر نقاط کشور، پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه میطلبد. در این تحقیق به منظورتخمین نوسانات سطح آب زیرزمینی ...
بیشتر
قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. رشد روز افزون جمعیت و محدودیت منابع آبی و استفاده بیش از قبل از منابع آب زیرزمینی در بیشتر نقاط کشور، پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه میطلبد. در این تحقیق به منظورتخمین نوسانات سطح آب زیرزمینی آبخوان باروق در استان آذربایجان غربی و محدوده مطالعاتی میاندوآب از مدل-های هوش مصنوعی شامل مدل فازی و مدل ماشین بردار پشتیبان و شبکه عصبی مصنوعی برگشتی با به کارگیری دادههای سطح آب زیرزمینی 7 پیزومتر انتخابی و همچنین تغییرات دما و بارش طی دوره زمانی 14 ساله(81-94) استفاده گردیده است. با وجود تواناییهای ذاتی هر یک از این مدلهای هوش مصنوعی در پیشبینی سطح آب زیرزمینی، ناهمگنی فراوان محدوده مطالعاتی از حصول بازده بالای مدلها میکاهد. لذا مدلسازی SOM-AI که ترکیب روش دسته بندی نقشه خودسازمانده و مدلهای اجرا شده است، با تقسیم بندی منطقه مطالعاتی به مناطق همگن باعث افزایش بازده هر یک از مدلهای مرکب در قسمتهای مختلف آبخوان گردید. نتایج نشان داد که روش ارائه شده میتواند روشی کارا در مدلسازی آبخوانهای ناهمگن و حتی چند لایه باشد.