ارزیابی دقت روش شبکه های عصبی مصنوعی و زمین آمار در میان یابی سطح تراز آب های زیرزمینی؛ مطالعه موردی: دشت شبستر - صوفیان

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.