مهتاب بادکوبه هزاوه - گروه مهندسی عمران، واحد اراک، دانشگاه آزاد اسلامی ، اراک ، ایران
محسن نجارچی - گروه مهندسی عمران، واحد اراک، دانشگاه آزاد اسلامی ، اراک ، ایران
محمد رضا جلالی - گروه مهندسی عمران، واحد اراک، دانشگاه آزاد اسلامی ، اراک ، ایران
حسین مظاهری - گروه مهندسی شیمی، واحد اراک، دانشگاه آزاد اسلامی ، اراک ، ایران
سعید شعبانلو - گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه،ایران

طی سالیان اخیر استفاده از اطلاعات ماهواره؜ای مختلف توانسته است به عنوان یک راهکار قابل اطمینان مورد توجه قرار گیرد. هدف از این تحقیق پیش بینی نوسانات ضخامت معادل آب زیرزمینی با استفاده از اطلاعات ماهواره GRACE و مدل سازی آن با استفاده از ترکیب الگوریتم بهینه؜سازی و هوش مصنوعی است. منطقه مطالعاتی این تحقیق، حوضه آبریز دریاچه ارومیه واقع در شمال غربی ایران می باشد. بدین منظور از ۱۸۰ داده ماهواره های GRACE طی سال های آوریل ۲۰۰۲ تا مارس  ۲۰۱۷ استفاده شد. خروجی ماهواره ها شامل ۶ پیکسل قرار گرفته بر روی حوضه انتخابی می باشد که ۲ نقطه از آن که بیشترین همپوشانی را با محدوده حوضه داشتند برای مدلسازی با ابزار هوش مصنوعی انتخاب شدند. برای این کار از مدل؜های ترکیبی GA-ANN، ICA-ANN و PSO-ANN استفاده شد. نتایج نشان داد خروجی مدل ICA-ANN دارای بهترین برازش با داده های مشاهداتی با ضریب همبستگی برابر با ۹۱۵/۰ و ۹۴۲/۰ در دو پیکسل انتخابی ۲ و ۵ در مرحله آزمون بود. لذا برای پیش؜بینی نوسانات ضخامت معادل آب زیرزمینی در منطقه مطالعاتی بجای استفاده از مدل های پیچیده با حجم داده؜های بسیار زیاد می؜توان با اطمینان از مدل ICA-ANN استفاده کرد. این رویکرد کمک زیادی به محققین بخش آب زیرزمینی می؜کند تا بدون استفاده از مدل های عددی با ساختار پیچیده و وقت؜گیر با استفاده از اطلاعات ماهواره؜ای و ابزار هوش مصنوعی با دقت بالا تغییرات ضخامت معادل آب زیرزمینی در هر ماه را بر اساس داده های ضخامت معادل آب زیرزمینی در ماهواره GRACE مربوط به ماه های قبل پیش؜بینی نمایند.

ضخامت معادل آب زیرزمینی, ماهواره GRACE, GA-ANN, ICA-ANN, PSO-ANN