ارزیابی توانایی شبکه های مختلف عصبی مصنوعی در پیش بینی تراز آب زیرزمینی در آبخوان محدوده سعادت شهر فارس

شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسر نیست. این درحالیست که شبکه های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی های بالایی که دارند برای مدل سازی سیستم های پیچیده و غیرخطی بسیار مناسب می باشند. لذا، با توجه به مشکلات فراوان مدل سازی آبخوانها با مدل های ریاضی، شبکه های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رفته اند. هدف از انجام این تحقیق ارزیابی توانایی شبکه های عصبی مختلف در پیش بینی تراز  آبهای زیرزمینی در محدوده سعادت شهر در استان فارس می باشد. از نظر توانایی شبکه های مختلف مورد استفاده، شبکه های عصبی مصنوعی پیشرو با الگوریتم لونبرگ-مارکوارت بهترین نتایج را ارائه داد. این ساختار توانست پیش بینی ماهانه ای از سطح ایستابی آبهای زیرزمینی در بازه زمانی دو ساله (از سال ۱۳۸۳ تا سال ۱۳۸۵) با حداقل ریشه مربع متوسط خطا ۰۴/۲ متر و ۲۷/۲ متر برای مراحل آموزش و آزمایش ارائه نماید.