پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

پیش بینی تراز آب زیرزمینی به منظور مدیریت و برنامه ریزی منابع آب، بسیار مهم است. برای انجام این پیش بینی، از روش های متعددی مانند روش های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی RBF هیبرید برای پیش بینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه RBF پایه می شود. بدین منظور آمار ماهانه تراز ایستابی دشت شاهرود و هم چنین داده های هواشناسی مانند دما، بارندگی، رطوبت و تبخیر، داده های آب های سطحی مانند دبی ورودی و خروجی به دشت شاهرود (دبی ورودی مجن آبشار، دبی ورودی تاش فرحزاد و دبی خروجی قلعه نو) طی یک دوره آماری 1994 تا 2010 استفاده شده است. بررسی داده ها نشان می دهد که برخی از داده ها، هم بسته بوده و دارای الگوی فصلی هستند، این مساله، پیش بینی داده ها را دشوار می کند. بر این اساس، روش ارائه شده در این مقاله شامل مراحل غیرفصلی سازی، نرمال سازی و حذف داده های وابسته است که پیش از این به آن در تحقیقات پرداخته نشده است. سپس از 85 درصد داده ها برای آموزش و از 15 درصد آنها، برای تست مدل استفاده شده است. در نهایت، بررسی نتایج نشان می دهد که مدل شبکه عصبی ارائه شده، تراز آب دشت شاهرود را برای سه سال پیاپی با میانگین مربعات خطای 0257/0 متر برای سال اول، 0270/0 متر در سال دوم و 0452/0 متر در سال سوم می تواند پیش بینی کند. همچنین در صورتی که بارش منطقه در یک سال، 30 درصد کاهش یابد، نتایج پیش بینی مدل مذکور نشان می دهد که تراز آب زیرزمینی 7/0 کاهش می یابد.