کیوان نادری - دانشجوی دکتری هیدروزئولوژی دانشگاه تبریز
عطالله ندیری - استادیار هیدروژئولوزی دانشکده علوم طبیعی دانشگاه تبریز
اصغر اصغری مقدم - استاد هیدروزئولوژی دانشکده علوم طبیعی دانشگاه تبریز

روشهای متعددی همچون شبکه های عصبی مصنوعی، منطق فازی، نروفازی وبرنامه ریزی ژنتیک برای پیش بینی نوسانات سطح آب زیرزمینی به کارمی رود. برنامه ریزی ژنتیک علاوه برتوانایی استخراج رابطه ی بین متغییرهای وروردی وخروجی به طورخودکار وهوشمند، متغیرهای که درمدل بیشترین تاثیررادارند انتخاب می کند. درتحقیق حاضرازروش برنامه ریزی ژنتیک جهت پیش بینی ماهانه سطح ایستایی آبخوان دشت دوزدوزان درحوضه آبریز دریاچه ارومیه طی دوره آماری 1382 تا 1391 استفاده شد.داده های ماهانه سطح آب زیرزمینی، بارش و تبخیر باالگوهای مختلف به عنوان ورودی مدل بکار برده شدندو بهترین الگوی ورودی بدست آمد. برای انجام مدل سازی بابرنامه ریزی ژنتیک ازچهارعملگر+، -،x، / ، استفاده شده است. جهت بررسی بیشتر ازمدل شبکه های عصبی مصنوعی نیز استفاده گردید. شبکه پرسپترون چندلایه با الگوریتم لونبرگ – مارکورات برای انجام مدلسازی انتخاب شد. برای مدل شبکه های عصبی، ساختارهای مختلفی موردبررسی قرارگرفت، که ساختارشبکه سه لایه باسه نرون درلایه ورودی ودونرون درلایه پنهان ویک نرون درلایه خروجی، بهترین نتایج راداد. نتایج دومدل براساس شاخص های آماری جذر میانگین مربعات خطاوضریب همبستگی موردارزیابی شدند.نتایج نشان می دهدکه برنامه ریزی ژنتیک ازدقت بیشتری نسبت به مدل شبکه های عصبی مصنوعی برخورداربوده وبه عنوان روشی مناسب ودقیق حهت پیش بینی پیشنهاد می گردد

برنامه ریزی ژنتیک، نوسانات سطح ایستایی، شبکه های عصبی مصنوعی، دشت دوزدوزان