تریفه بهشتی زاده - دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران

قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. رشد روزافزون جمعیت و محدودیت منابع آبی و استفاده بیش از قبل از منابع آب زیرزمینی در بیشتر نقاط کشور، پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه می طلبد. در این تحقیق به منظور تخمین تراز سطح آب زیرزمینی آبخوان دشت روانسر-سنجابی از دو مدل هوش مصنوعی شامل شبکه عصبی برگشتی (RNN) و شبکه عصبی تابع پایه شعاعی (RBF) با به کار گیری داده های دما، بارش ، تبخیر، زطوبت ایستگاه هواشناسی روانسر و سطح تراز آب های زیر زمینی دشت روانسر-سنجابی در دوره ۲۰ ساله (۱۳۹۹-۱۳۸۰) استفاده شده است. با وجود توانایی های ذاتی هر یک از این مدل های هوش مصنوعی در پیش بینی سطح آب زیرزمینی، هر کدام درای نقاط قوت و نقاط ضعف می باشد، که در نهایت با اجرای هر یک از دو روش نامبرده، مشخص شدکه شبکه عصبی RNN عملکرد بهتر و مناسب تر جهت پیش بینی سطح تراز آب های زیر زمینی را داشت.

آب های زیر زمینی, شبکه عصبی برگشتی (RNN), شبکه عصبی شعاعی (RBF), پیش بینی, آبخوان دشت روانسر-سنجابی