محمدحسن حبیبی - دانشکده علوم طبیعی دانشگاه تبریز
عطاله ندیری - ، دانشکده علوم طبیعی دانشگاه تبریز
اصغر اصغری مقدم - دانشکده علوم طبیعی دانشگاه تبریز
کیوان نادری - دانشکده علوم طبیعی دانشگاه تبریز

دشت هادیشهر با وسعتی معادل ۵۷/۵۵ کیلومترمربع در شمال غرب استان آذربایجان شرقی واقع شده است. در چند سال اخیر، به دلیل برداشت بی رویه از آب­های زیرزمینی این دشت، سطح آب زیرزمینی افت شدیدی پیدا کرده است. لذا به­منظور یافتن راهکارهایی مفید برای مدیریت صحیح منابع آب زیرزمینی، از ترکیب مدل هوش مصنوعی و زمین­آمار برای پیش­بینی زمانی و مکانی سطح آب زیرزمینی استفاده شده است. ابتدا برای مدل­سازی به روش شبکه عصبی مصنوعی و تعیین بهترین ساختار و الگوریتم از پیزومتر مرکزی استفاده شد. نتایج نشان داد که الگوریتم لونبرگ-مارکوارت(LM) با ساختار ۱؛۲؛۳ (سه ورودی، دو گره میانی و یک خروجی) به ترتیب بهترین الگوریتم و ساختار برای مدل­سازی با شبکه عصبی در این دشت می­باشد. سپس پیزومتر­های انتخاب شده دشت با روش خوشه­بندی سلسله­مراتبی(HCA) دسته­بندی شد و هر دسته از پیزومترها با مدل شبکه عصبی و فازی ساگنو مدل­سازی شد و نتایج با استفاده از معیارهای ارزیابی مانند R۲ و  RMSEمقایسه گردید. در این تحقیق از داده­های ماهانه بارش، تبخیر و تراز آب زیرزمینی به­عنوان ورودی­های مدل استفاده شد که نتایج نشان داد از بین روش­های فازی و شبکه عصبی روش شبکه عصبی کارایی بالاتری داشت. لذا برای پیش­بینی زمانی و مکانی سطح آب زیرزمینی از روش کریجینگ و کوکریجینگ عصبی استفاده شد.

Groundwater level, the Hadishahr plain, artificial neural network, Sugeno fuzzy, neural kriging, دشت هادیشهر, سطح آب زیرزمینی, شبکه عصبی مصنوعی, فازی ساگنو, کریجینگ عصبی