محسن محتشم - دانشجوی کارشناسی ارشد منابع آب گرگانامیراحمد دهقانی - استادیار گروه مهندسی آب دانشگاه گرگانابوالفضل اکبرپور - استادیار گروه مهندسی آب دانشگاه بیرجند مهدی مفتاح هلقی (شناسه پژوهشگر - Researcher ID: ۱۷۸۷) استادیار گروه مهندسی آب دانشگاه گرگاندشت بیرجند با قرار گرفتن در منطقه خشک، استفاده از آبهای زیرزمینی را به عنوان مهمترین و در عین حال تنها ترین منبع تولید آب شیرین در پی رو دارد. در همین زمینه پیش بینی نوسانات سطح آب زیرزمینی دشت می تواند کمک شایانی به برنامه ریزی و تصمیم گیری های بعدی، جهت تامین دراز مدت آب شرب، کشاورزی و صنعت بنماید. دشت بیرجند با وسعت 268/82 کیلومتر مربع و با داشتن بیش از 23 چاه مشاهده ای که اغلب بیش از 15 سال اطلاعات ماهانه سطح آب در آنها درج شده است، در این تحقیق مورد آزمون قرار گرفت. بدین منظور ابتدا مرز حوضه که از سه طرف به ارتفاعات و از یک سو به گسلهای منطقه محدود می شد، تعیین گردید. 16 پیزومتر که دارای توالی آماری مناسبی بودند انتخاب شدند. شبکه تیسن با استفاده از نرم افزار GIS برای هر پیزومنر ترسیم شد. ورودی های شبکه های عصبی شامل سه پارامتر برداشت ماهانه آب از چاه های شرب و کشاورزی، ریزشهای جوی منطقه برای هر تیسن و سطح آب هر پیزومتر در زمان t-1 انتخاب شد. عملکرد شبکه های مختلف عصبی مصنوعی (ANN)، به صورت تک تک برای هر پیزومتر و به صورت یکجا با استفاده از نرم افزار MATLAB مورد آزمون واقع شدند. خروجی سطح آب زیرزمینی در هر پیزومتر در زمان t محاسبه شد. سپس نتایج مدل شبکه با سطح آب زیرزمینی ماهانه دشت به عنوان معیار سنجش مورد مقایسه و ارزیابی قرار گرفت. نتایج نشان داد با استفاده از شبکه عصبی مصنوعی می توان نوسانات سطح آب زیرزمینی را با دقت مطلوبی برآورد نمود.شبکه عصبی مصنوعی - سطح آب زیرزمینی - دشت بیرجنددر صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود. برای بار اول: (محتشم, محسن؛ امیراحمد دهقانی؛ ابوالفضل اکبرپور و مهدی مفتاح هلقی، ۱۳۸۸) برای بار دوم به بعد: (محتشم؛ دهقانی؛ اکبرپور و مفتاح هلقی، ۱۳۸۸)
پیش بینی سطح ایستابی آب زیر زمینی با استفاده از شبكه عصبی مصنوعی (مطالعه موردی دشت بیرجند)
محسن محتشم - دانشجوی کارشناسی ارشد منابع آب گرگانامیراحمد دهقانی - استادیار گروه مهندسی آب دانشگاه گرگانابوالفضل اکبرپور - استادیار گروه مهندسی آب دانشگاه بیرجند مهدی مفتاح هلقی (شناسه پژوهشگر - Researcher ID: ۱۷۸۷) استادیار گروه مهندسی آب دانشگاه گرگاندشت بیرجند با قرار گرفتن در منطقه خشک، استفاده از آبهای زیرزمینی را به عنوان مهمترین و در عین حال تنها ترین منبع تولید آب شیرین در پی رو دارد. در همین زمینه پیش بینی نوسانات سطح آب زیرزمینی دشت می تواند کمک شایانی به برنامه ریزی و تصمیم گیری های بعدی، جهت تامین دراز مدت آب شرب، کشاورزی و صنعت بنماید. دشت بیرجند با وسعت 268/82 کیلومتر مربع و با داشتن بیش از 23 چاه مشاهده ای که اغلب بیش از 15 سال اطلاعات ماهانه سطح آب در آنها درج شده است، در این تحقیق مورد آزمون قرار گرفت. بدین منظور ابتدا مرز حوضه که از سه طرف به ارتفاعات و از یک سو به گسلهای منطقه محدود می شد، تعیین گردید. 16 پیزومتر که دارای توالی آماری مناسبی بودند انتخاب شدند. شبکه تیسن با استفاده از نرم افزار GIS برای هر پیزومنر ترسیم شد. ورودی های شبکه های عصبی شامل سه پارامتر برداشت ماهانه آب از چاه های شرب و کشاورزی، ریزشهای جوی منطقه برای هر تیسن و سطح آب هر پیزومتر در زمان t-1 انتخاب شد. عملکرد شبکه های مختلف عصبی مصنوعی (ANN)، به صورت تک تک برای هر پیزومتر و به صورت یکجا با استفاده از نرم افزار MATLAB مورد آزمون واقع شدند. خروجی سطح آب زیرزمینی در هر پیزومتر در زمان t محاسبه شد. سپس نتایج مدل شبکه با سطح آب زیرزمینی ماهانه دشت به عنوان معیار سنجش مورد مقایسه و ارزیابی قرار گرفت. نتایج نشان داد با استفاده از شبکه عصبی مصنوعی می توان نوسانات سطح آب زیرزمینی را با دقت مطلوبی برآورد نمود.شبکه عصبی مصنوعی - سطح آب زیرزمینی - دشت بیرجنددر صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود. برای بار اول: (محتشم, محسن؛ امیراحمد دهقانی؛ ابوالفضل اکبرپور و مهدی مفتاح هلقی، ۱۳۸۸) برای بار دوم به بعد: (محتشم؛ دهقانی؛ اکبرپور و مفتاح هلقی، ۱۳۸۸)