اسماعیل اسدی - استادیار گروه مهندسی آب، دانشگاه تبریز
سجاد آیشم - دانشجوی کارشناسی رشته مهندسی آب، دانشگاه تبریز
مهرداد رشیدی سابق - دانشجوی کارشناسی رشته مهندسی آب، دانشگاه تبریز

پیش بینی پارامترهای اقلیمی نظیر تغییرات سطح آبهای زیرزمینی نقش بسزایی در بررسی تاثیر پدیده های خشکسالی و نحوه مدیریت منابع آب دارد. امروزه روش های هوش مصنوعی همچون شبکه های عصبی مصنوعی به طور گسترده در مدل سازی پدیده های پیچیده به کارگرفته می شوند شبکه های عصبی مصنوعی دینامیک روشی است که راه حل های دقیقتری را برای مسائل پیچیده ارائه می دهند. در پژوهش حاضر به منظور برآورد تغییرات سطح تراز آب های زیرزمینی با توجه به عوامل تاثیر گذار، از روش های عصبی مصنوعی دینامیک استفاده گردید. به منظور مقایسه مدل های ایجاد شده، از دو معیار ضریب همبستگی و میانگین مربعات خطا استفاده شد. نتایج بدست آمده از تحقیق حاضر حاکی از ارتباط منطقی بین سطح تراز ایستابی هر ماه با پارامترهای موثر دیگر نظیر سطح ایستابی همراه با بارش و رواناب ماههای قبل بوده است

شبکه های عصبی مصنوعی، سطح تراز ایستابی، بارش ، رواناب، دشت اردبیل