الناز شرقی - استادیار گروه عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
وحید نورانی - استاد گروه عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز
پرنیان قانعی - دانشجو کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه تبریز
نازنین بهفر - دانشجوی دکتری مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه تبریز

در این پژوهش با مقایسه تکنیک های خوشه بندی میانگین- K (K-Means)، نقشه های خود سازمانده (Self-organizing map) و روش خوشه بندی سلسله مراتبی (WARD) به عنوان الگویاب زمانی و مکانی، مناسب ترین روش خوشه بندی انتخاب شد و با توجه به کاربرد وسیع شبکه عصبی مصنوعی در تشخیص فرآیندهای هیدرولوژیکی مختلف، مدل سازی بر اساس داده های پیزومتر چاهک آب زیرزمینی نماینده هر خوشه انجام شد. نتایج حاکی از آن است که به کارگیری تکنیک خوشه بندی مکانی میانگین - K با انتخاب ورودی های موثر روش مناسبی جهت مدل سازی سطح آب زیرزمینی با شبکه عصبی مصنوعی است.

ارزیابی کمی آب زیرزمینی، شبکه عصبی مصنوعی، ابزارهای خوشه بندی زمانی و مکانی داده ها، دشت دهگلان و قروه