پیش بینی و پهنه بندی کمی منابع آب زیرزمینی با استفاده از شبکه عصبی مصنوعی ، سامانه اطلاعات جغرافیایی و سنجش از دور

باتوجه به اینکه استان فارس به علت کمبود بارش و وقوع خشکسالیهای متعدد با محدودیت منابع آب زیرزمینی در سال های اخیر روبرو بوده و بر اساس گزارشهای سالانه و تحقیقات محققین و کارشناسان این حوزه، اغلب دشت های استان فارس شاهد روند نزولی منابع آبهای زیرزمینی هستند این تحقیق با هدف پیش بینی و پهنه بندی کمی منابع آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، سامانه اطلاعات جغرافی ایی و سنجش از دورانجام شد. جهت انجام تحقیق، از آمار و اطلاعات مربوط به بارش، دما و سطح آب زیرزمینی در منطقه مورد مطالعه استفاده شد. همچنین بازه آماری استفاده شده در مطالعه مربوط به سال 1385 تا 1394 می باشد. به دلیل احداث و اضافه شدن چاه های نمونه برداری جدید و یا خاموش شدن بعضی از چاه ها در سالهای اخیر در منطقه مورد مطالعه، تنها از چاه هایی که در طول دوره آماری مشترک قرار گرفته بودند استفاده گردید. پس از جمع آوری داده های لازم، نرمال سازی و ایجاد بانک اطلاعاتی در محیط نرم افزاری Excel جهت بررسی های لازم به منظور صحت و سقم داده ها صورت گرفت. با به کارگیری توابع مختلف فعال سازی شامل لگ سیگمویید، تانژانت هایپربولیک سیگمویید و خطی در ساختارهای دو تا چهار لایه میانی و به کارگیری دو تا ده نرون در لایه های میانی، برای هرگروه، شبیه سازی هایی که دارای کمترین مقادیر جذر میانگین مربعات خطا (RMSE) و بیشترین مقادیر ضریب همبستگی (R) می باشند،در نرم افزار متلب گزارش گردید. پس از انجام بررسی های لازم مشخص شد که بین تمامی مدل های ارایه شده مدلی که دارای مشخصات دو لایه، پنج نرون و تابع Logsig بود با داشتن بیشترین ضریب همبستگی برابر با 0,81 و کمترین مقدار خطا برابر با 0,132 به عنوان بهترین مدل جهت پیش بینی در محدوده مورد مطالعه می باشد.