محسن تراهی - دانشجوی دکتری سازه هیدرولیکی، دانشکده مهندسی عمران، دانشگاه آزاد استهبان
امیر درفشان - مدرس دانشگاه ، کارشناس ارشد سازه هیدرولیکی، دانشگاه آزاد جهرم

میزان سطح آب زیر زمینی یکی از مولفه های مهم توسعه صنعت کشاورزی است. در سال های اخیر به دلیل برداشت بیرویه آب از منابع زیرزمینی، و عدم تناسب بین برداشت و بارش های ماهانه ، سطح آب زیرزمینی به خصوص در مناطق خشک و نیمه خشک به شدت کاهش یافته است. به منظور مدیریت هر چه موثرتر این منابع، پیش بینی تغییرات تراز آب زیرزمینی در طول سال امری ضروری به نظر میرسد. هدف از این مطالعه، ارزیابی عملکرد سیستمهای هوش مصنوعی (ANN) در پیش بینی سطح آب زیرزمینی دشت جهرم میباشد. داده های ورودی شامل بارش،دمای هوا، تبخیر و سطح آب زیر زمینی ماه قبل و داده خروجی نیز سطح ماهانه آب زیر زمینی می باشد. در ادامه شبکه عصبی مصنوعی با الگوریتم پس انتشار خطا و استفاده از تابع آموزش (Levenberg–Marquardt) با 70 درصد داده ها آموزش داده شد. برای ارزیابی کارایی ANN، داده های پیش بینی شده و مشاهدهای با استفاده از آمارهای ریشه میانگین مجذور خطا (MSE) و ضریب همبستگی (R2) مورد ارزیابی قرار گرفت. R2 داده های پیش بینی شده و مشاهدهای، 0/8374 به دست آمد. نتایج این تحقیق نشان داد که شبکه پرسپترون چند لایه (MLP) با تعداد 5 نرون در لایه اول و 5 نرون در لایه میانی، سطح آب زیرزمینی را با دقت خوبی پیش بینی مینماید.

سطح آب زیرزمینی، شبکه عصبی مصنوعی، دشت جهرم، ضریب همبستگی