معصومه زارع - دانشجوی دکترای مدیریت منابع آب، دانشکده مهندسی عمران و معماری، دانشگاه شهید چمران هواز
حمیدرضا غفوری - استاد مدیریت منابع آب، دانشکده مهندسی عمران و معماری، دانشگاه شهید چمران اهواز
حمیدرضا صفوی - استاد مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

هدف از انجام این مطالعه، بررسی کارایی مدل شبکه عصبی (ANN) در مدل سازی کمی و کیفی منابع آب زیرزمینی می باشد. بدین منظور، با استفاده از گزینه های MODFLOW وMT۳DMS نرم افزار GMS v.۱۰، از نظر کمی و کیفی، آب موجود در آبخوان دشت نجف آباد، واقع در حوضه آبریز گاوخونی در فلات مرکزی ایران، مدلسازی شد. بعد از واسنجی و صحت سنجی مدل در یک دوره مطالعه ۱۱ ساله، محدوده تغییر ضریب هدایت هیدرولیکی بین ۵/۰ تا ۱۶ (متر در روز)، آبدهی ویژه بین ۰۲۳/۰ تا ۱۱۳/۰ و ضریب پخشیدگی طولی بین ۵/۷ تا ۲/۱۸ (متر) بدست آمد. سپس، منطقه مورد مطالعه به دو ناحیه مجزا تقسیم و برای هر کدام یک مدل شبکه عصبی، طراحی شد. در ادامه، با استفاده از آمار ۲۰ سال آبی و به کمک بهینه ساز الگوریتم ژنتیک، پارامتر های بهینه شبکه عصبی تعیین گردید. نهایتا، مقادیر مشاهده ای تراز متوسط سطح ایستابی و میانگین غلظت TDS با مقادیر محاسباتی توسط مدل عددی و شبکه عصبی، برای دو سال آبی متوالی ۹۴-۱۳۹۳ و ۹۵-۱۳۹۴، با یکدیگر مقایسه شدند. نتایج نشان داد که شبکه عصبی به خوبی قادر است رفتار کمی و کیفی سیستم آب زیرزمینی را شبیه سازی کند و می تواند به عنوان جایگزین مناسبی برای مدل عددی در اتصال به مدل های مدیریتی، استفاده شود.

الگوریتم ژنتیک, شبیه سازی, شبکه عصبی, MODFLOW, MT۳DMS