بابک مومنی - مربی، دانشگاه پیام نور، بخش کشاورزی، تهران
سیدحسن گلمایی - دانشیار، دانشگاه علوم کشاورزی و منابع طبیعی ساری
جمال عباس پلنگی - کارشناس ارشد بخش آبیاری و زهکشی، شرکت خدمات مهندسی آب و خاک کشور

با توجه به آن که رفتار سیستم آب زیر زمینی پیچیده، غیرخطی و متاثر از پارامترهای زیادی است، پیش بینی تراز سطح آب زیر زمینی امری دشوار به نظر می رسد. یک روش متداول برای حل چنین مساله ای، استفاده از شبکه عصبی مصنوعی (ANN) است که بسیاری از محققین، بر توانایی بالای آن در برآورد نوسانات تراز آب زیرزمینی با لحاظ متغیرهای هیدرولوژیکی اذعان داشته اند. مزیت مهم این روش در مدل سازی این است که برای تبدیل نهاده ها به ستاده ها در آن، نیازی به تعیین رابطه فیزیکی مشخص نیست. در این پژوهش، با توجه به اهمیت داده های تراز آب زیرسطحی در طرح زه کشی زیرزمینی، ازANNبرای پیش بینی سطح آب زیرسطحی در اراضی کشاورزی جلگه ای محدوده نکارود تا تجن استفاده شده است. حجم آب ورودی به پلی گون هر چاهک (بر ساس بارندگی) و حجم آب خروجی هر پلی گون (بر اساس تبخیر از تشت) و دمای متوسط در پایان دوره زمانی و عمق سطح ایستابی در دوره زمانی قبلی، به عنوان پارامترهای ورودی و عمق سطح ایستابی در پایان دوره مورد نظر بعنوان خروجی مدل در نظر گرفته شد. نتایج نشان می دهد؛با حذف چاهک های دارای عمق سطح آب صفر، در صورتی که در ماهیت و فیزیک مسئله مشکلی ایجاد نکند، می توان به دقت قابل قبولی در پیش بینی سطح زیرزمینی در منطقه مورد مطالعه دست یافت. در ضمن در صورت استفاده، پارامتر دما تا 10% می تواند در افزایش دقت پارامترR ‏تاثیر گذار باشد و کاربرد دو لایه میانی و 10 ‏نرون در هر لایه و تابع آموزش TRAINLM ‏و تابع محرک TANSIG ‏نسبت به توابع LOGSIGو PURLN دقیق ترین شبکه ها را نتیجه می دهد.

سطح آب زیرزمینی، شبکه عصبی مصنوعی، الگوریتم پس انتشار خطا، اراضی کشاورزی جلگه ای، تجن، نکارود