عملکرد شبکه عصبی مصنوعی در پیش بینی و تحلیل فرایندهای هیدرولوژیک (مطالعه موردی: کمبود آب حوضه آبخیز نازلوچای در استان آذربایجان غربی)

بارش یکی از فرایند‏های هیدرولوژیک است که تاثیر زیادی در کنترل مدیریت منابع آب دارد. کمبود بارش سبب به وجود آمدن مشکلات فراوانی از جمله کمبود آب شرب می‏شود. به علت اهمیت مسئله کمبود آب، استفاده از روش‏های نوین به‏منظور پیش‏بینی فرایند‏های هیدرولوژیک تاثیر زیادی در برنامه ریزی و مدیریت منابع آب خواهد داشت. از این رو، در تحقیق حاضر کمبود آب ماهانه در حوضه نازلوچای طی یک دوره آماری 39ساله (1352 1391) با استفاده از مدل شبکه عصبی مصنوعی و مدل بهبودیافته موجک شبکه عصبی، شبیه‏سازی، پیش‏بینی و تحلیل شده است. عملکرد این دو مدل توسط معیار‏های خطای ضریب همبستگی، ضریب تبیین و جذر میانگین مربعات خطا ارزیابی شد. بنا بر نتایج به دست آمده، مدل موجک شبکه عصبی با ضریب همبستگی 96/0 و 945/0 که به ترتیب مختص به حالت آموزش و آزمون است، نسبت به شبکه عصبی مصنوعی توانایی بیشتری برای پیش‏بینی کمبود آب داشت. در ادامه، مقادیر کمبود آب ماهانه در این حوضه طی سال‏های 1392 تا 1399 پیش‏بینی شده است. نتایج نشان می ‏دهند روند کمبود آب همچنان مانند گذشته باقی است. البته، متوسط میزان کمبود در 8 سال آینده تقریبا 95/2 میلیون متر مکعب تخمین زده شد. در حالی که همین پارامتر برای 39 سال گذشته 04/4 میلیون متر مکعب بوده است. از این ‏رو، نیاز است که برای سال‏های آینده اقدامات لازم انجام شود و با برنامه ریزی مدیریتی دقیق برای بهره‏برداری از منابع آب (کشاورزی، صنعت، شرب و...)، کاهش میزان کمبود آب در سال‏های آتی ممکن شود.