شهلا پایمزد

در نواحی خشک و نیمه خشک، آب عمده ترین عامل محدودیت کشاورزی است. در این مناطق به دلیل کمبود جریان های سطحی، فشار عمده بر آب های زیرزمینی وارد می شود. منابع آب زیرزمینی محدوده مورد مطالعه (دشت عباس) نیز به دلیل استفاده بی رویه دچار افت شدید سطح آب گشته و به مدت بیش از 30 سال است که به عنوان دشت ممنوعه اعلام گردیده است. در این تحقیق، ما از چهار مدل متفاوت شبکه عصبی تکاملی شامل، شبکه عصبی پرسپترون چندلایه با الگوریتم ژنتیک (ANN-GA)، شبکه عصبی پرسپترون چندلایه با بهینه سازی ازدحام ذرات (ANN-PSO)، شبکه عصبی پرسپترون چندلایه با الگوریتم رقابت استعماری (ANN-ICA) و شبکه عصبی پرسپترون چندلایه با بهینه سازی کلونی مورچگان (ANN-ACOR) برای تخمین سطح آب زیرزمینی استفاده کرده ایم. داده های مورد استفاده شامل، بارش، تبخیر، متوسط دمای سالانه، نفوذ موثر و داده های گذشته سطح آب زیرزمینی برای یک دوره 22 ساله است. ترکیب ورودی ها با استفاده از تجزیه و تحلیل خود همبستگی، خود همبستگی جزئی و همبستگی متقابل برای هر مدل آماده شده است. مدل های بهینه با تغییر پارامترهای کنترلی به دست آمده اند. بهترین دقت از بین مدل های ارائه شده برای ورودی (GWLt-1، GWLt-2 و Pt) به دست آمده است. دقت میانگین مربع خطا برای مدل های ANN-ICA، ANN-PSO، ANN-ACOR به ترتیب 0033/0، 0039/0و 0044/0 و برای مدل ANN-GA 0030/0 به دست آمده است. روند تغییرات سطح آب زیرزمینی دشت در مقطع زمانی 72 تا 84 روند کاهشی و از سال 85 تا 94 با ورود آب سد کرخه روند افزایشی داشته و بیلان آب دشت مثبت شده است. با توجه به نتایج به دست آمده مدل ANN-GA عملکرد بهتری نسبت به سه مدل دیگر برای تخمین سطح آب زیرزمینی از خود نشان داده-است.