مدلسازی سطح آب زیرزمینی با استفاده از سری های زمانی چند متغیره و شبکه های عصبی مصنوعی( مطالعه موردی: دشت آباده)

در این تحقیق مدلسازی تغییرات سطح آب زیرزمینی دشت آباده با استفاده از سریهای زمانی و شبکه های عصبی مصنوعی مورد مطالعه قرار گرفت. مدل شبکه عصبی مورد استفاده، شبکه عصبی پیشخور با الگوریتم لونبرگ مارکوارت و مدل آماری مورد استفاده مدل سری زمانی ARIMA-X بود که شامل ضرایب مختلف رگرسیونی، میانگین متحرک و ضرایب تفاضلی ساده می باشد که هر یک از ضرایب بخشی از مولفه های یک سری زمانی را مدل می کنند. ورودی های مدل سری زمانی 70% سطح ایستابی، میزان پمپاژ از چاه، تبخیر، دما و بارندگی دشت آباده در مقیاس ماهانه در نظر گرفته شده اند. ضرایب مدل ها برای دوره آماری موجود با استفاده از روش کمترین مربعات خطا و آزمون باقیمانده ها بدست آمد و مدل برای 30% باقیمانده داده ها، مورد آزمون قرار گرفت همچنین در شبکه های عصبی مصنوعی از 60% سطح ایستابی به منظور آموزش شبکه، %20 به منظور اعتبارسنجی و 20% به منظور آزمون شبکه و میزان پمپاژ از چاه، تبخیر، دما و بارندگی دشت آباده در مقیاس ماهانه استفاده شد. نتایج نشان داد که شبکه های عصبی مصنوعی توانایی نسبتاً بیشتری در مدلسازی سطح ایستابی دارد.