مدلسازی عمق آب زیرزمینی دشت آباده با استفاده از سری های زمانی چند متغیره و شبکه های عصبی مصنوعی

منابع آب زیرزمینی یکی از مهم ترین منابع آب به شمار می روند که شناخت صحیح و بهره برداری اصولی از آنها بخصوص در مناطق خشک و نیمه خشک می تواند در توسعه پایدار بسیاری از فعالیت های کشاورزی، اجتماعی و اقتصادی آن منطقه تأثیر بسزایی داشته باشد. برای آگاهی از وضعیت نوسانات سطح آب زیرزمینی در چنین مناطقی لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی انجام شود. با پیش بینی دقیق نوسانات سطح آب زیرزمینی می توان در برنامه ریزی های تأمین آب، مدیریت منابع آب و همچنین ارائه الگوهای توسعه پایدار بهره گرفت. در این تحقیق مدلسازی تغییرات سطح آب زیرزمینی دشت آباده با استفاده از سری های زمانی و شبکه های عصبی مصنوعی مورد مطالعه قرار گرفت. بدین ترتیب که ابتدا داده های لازم جهت مدلسازی شامل پارامترهای هواشناسی همانند دما، تبخیر و بارندگی به همراه اطلاعات سطح ایستابی چاه های مشاهده ای و میزان پمپاژ از چاه ها برای سال های آماری 1372 تا 1390 از سازمان آب منطقه ای استان فارس تهیه گردید. پس از استاندارد کردن داده ها، در سری های زمانی چند متغیره، داده ها به دو قسمت آموزش و آزمون و در شبکه های عصبی مصنوعی به سه قسمت آموزش، اعتبارسنجی و آزمون تقسیم شدند. سپس بهترین مدل سری زمانی arima-x و شبکه های عصبی مصنوعی برای هر چاه انتخاب شد. با توجه به نتایج بدست آمده مشخص گردید که شبکه های عصبی مصنوعی عملکرد بهتری در مقایسه با سری های زمانی چند متغیره (arima-x) برای مدلسازی عمق آب زیرزمینی را دارا می باشند همچنین در مواردی که مدلسازی توسط سری های زمانی چندمتغیره و شبکه های عصبی مصنوعی نتایج نزدیک به هم را ارائه می کنند، استفاده از سری های زمانی چندمتغیره بدلیل پیچیدگی کمتر و جعبه سیاه نبودن ترجیح داده می شود.