افشین جهانشاهی - دانشجوی کارشناسی ارشد آبخیزداری دانشگاه زابل
علیرضا مقدم­نیا - دانشیار هیدرولوژی، گروه مرتع و آبخیز دانشگاه زابل

آب های زیرزمینی به عنوان یکی از منابع مهم و عمده منابع آب شرب و کشاورزی بویژه در مناطق خشک و نیمه خشک به شمار می روند. شناخت صحیح و بهره برداری اصولی از آنها می تواند در توسعه پایدار فعالیت های اجتماعی و اقتصادی این مناطق نقش بسزایی ایفا نماید. برای آگاهی از وضعیت منابع آب زیرزمینی لازم است پیش بینی دقیقی از نوسانات سطح این منابع انجام شود که این پیش بینی و مدل سازی رفتار آبخوان ها به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسر نیست. لذا با توجه به مشکلات فراوان مدل سازی آبخوان ها با مدل های ریاضی، شبکه های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوان ها توسط محققین بکار رفته اند. هدف از انجام این تحقیق ارزیابی توانایی شبکه های عصبی مختلف در پیش بینی تراز آب های زیرزمینی در محدوده شهربابک در استان کرمان می باشد. از نظر توانایی شبکه های مختلف مورد استفاده، شبکه های عصبی مصنوعی پیشرو با الگوریتم لونبرگ- مارکوارت بهترین نتایج را ارائه داد. این ساختار توانست پیش بینی ماهانه ای از سطح ایستابی آب های زیرزمینی در بازه زمانی 24 ماهه (از سال 1388 تا 1390) با حداقل ریشه مربعات خطا 16/2 و 31/2 برای مراحل آموزش و آزمایش ارائه کند.

تراز آب­های زیرزمینی، پیش­بینی، شبکه­های عصبی مصنوعی، توسعه پایدار، دشت شهربابک