توسعه راهکاری با استفاده از آنالیزهای مکانی و شبکه های عصبی برای بررسی و تحلیل مکانمند سطوح آب در زمان های خشکسالی

دریاچه ارومیه به جهت داشتن انواع گونه های حیات وحش، انواع گونه های پوشش گیاهی در سطح جزایر، ایجاد تعادل طبیعی در منطقه آذربایجان، ارزش توریستی ، تفریحی و اجتماعی، ارزش طبی، ذخیره گاه زیست سپهر و همچنین به عنوان یک تالاب بین المللی دارای اهمیت ویژه ای است. ازطرفی مطالعه پارامترهای هواشناسی دریاچه ارومیه و بررسی تغییرات تراز آن، به منظور اعمال مدیریت برمنابع آب حایز اهمیت است. درنتیجه به منظور احیای دوباره دریاچه ارومیه و مدیریت منابع آب این دریاچه لازم است نقش پارامترهای موثر مشخص شود. لذا در این تحقیق از روش شبکه عصبی استفاده شد و پارامترهای هواشناسی نظیر تبخیر، دما، بارش و مقادیرسالانه برداشت از آب های زیرزمینی چاه های اطراف دریاچه ارومیه و مقادیرسالانه دبی ورودی به دریاچه بین سالهای 1376 تا1390، به عنوان پارامترهای ورودی و ارتفاع و مساحت سالانه آب دریاچه به عنوان پارامترهای خروجی وارد شبکه عصبی شدند. دراین تحقیق از قوانین لونبرگ برای آموزش شبکه استفاده شد. پس از آموزش مدل توسط پارامترهای هواشناسی، مشخص گردید مدل شبکه عصبی به شکل کاملا مناسبی و با دقت بالایی داده ها را تقریب می زند. این شبکه، مساحت دریاچه ارومیه را به اندازه 3% خطا و 97% دقت و سطح تراز دریاچه با خطای m 8/0 تخمین میزند. همچنین ضریب همبستگی پارامتر برداشت از آب های زیرزمینی با ارتفاع و مساحت 4/0- و ضریب همبستگی بارش با 2 پارامتر وابسته 15/0+ وضریب دبی ورودی 4/0+  به دست آمد. پس از بررسی مدل معلوم شد که پارامتر های برداشت از چاه های زیرزمینی و مقدار دبی ورودی دریاچه نسبت به دیگر پارامترها برروی ارتفاع و مساحت تاثیربیشتری دارند.