ارزیابی شبکه عصبی مصنوعی و مدل عددی modflow در پیشبینی سطح ایستابی (مطالعه موردی: خراسان جنوبی-دشت بیرجند)

آب های زیرزمینی به عنوان یکی از مهم ترین منابع تامین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه خشک مطرح بوده است. دشت بیرجند با قرار گرفتن در منطقه خشک، استفاده از آب های زیرزمینی را به عنوان تنها منبع تولید آب شیرین در اختیار دارد. پیش بینی نوسانات سطح آب زیرزمینی دشت می تواند کمک شایانی به برنامه ریزی و تصمیم گیری های بعدی، جهت تامین دراز مدت آب شرب، کشاورزی و صنعت نماید. هدف از این تحقیق مقایسه دو روش مدل عددی modflow و شبکه عصبی مصنوعی در پیش بینی سطح ایستابی دشت بیرجند می باشد. شبکه عصبی مصنوعی یکی از روش های هوشمند بوده که با استفاده از ارتباط ذاتی داده‌ها، روابط غیرخطی بین آن ها را آموزش دیده و نتایج را برای بقیه حالات تعمیم می‌دهد. مدل عددی نیز با دریافت کلیه اطلاعات مربوط به یک آبخوان که به صورت لایه های gis می باشد، قادر به پیش بینی سطح آب در آینده است. نرم افزار gms برای حل عددی معادله حاکم بر حرکت آب زیرزمینی از دو روش المان محدود و تفاضل محدود استفاده می نماید که در این تحقیق از روش تفاضل محدود استفاده شد. مدل عددی برای دو حالت ماندگار و غیرماندگار و در سه سناریوی ترسالی، نرمال و خشک سالی اجرا و مورد مقایسه قرار گرفت. در بخش مدل شبکه عصبی، ورودی‌های مدل عبارت است از، میزان برداشت از چاه های آب، میزان آب ورودی به هر چندضلعی بر حسب مترمکعب (ناشی از بارندگی منطقه) و تراز سطح آب در هر پیزومتر در گام زمانی قبل و خروجی مدل، تراز سطح آب در گام زمانی فعلی می باشد. نتایج نشان می‌دهد که با استفاده از روش شبکه عصبی مصنوعی می‌توان با دقت مناسبی سطح آب زیرزمینی را تا 12 ماه بعد پیش بینی نمود، ضمن آن که در تعدادی از پیزومترها پیش بینی تا 18 ماه نیز از دقت مناسبی برخوردار است. مدل عددیmodflow نیز تا 24 ماه آتی و با دقت بیش تری نسبت به شبکه عصبی مصنوعی تغییرات سطح آب را پیش بینی می نماید.