فهرست نشریات علمی دسترسی آزاد ایران

شبیه‌سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی‌های موجود در طبیعت این سیستم‌ها، به آسانی میسر نیست. این درحالیست که شبکه‌های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی‌های بالایی که دارند برای مدل‌سازی سیستم‌های پیچیده و غیرخطی بسیار مناسب می‌باشند. لذا، با توجه به مشکلات فراوان مدل‌سازی آبخوانها با مدل‌های ریاضی، شبکه‌های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رفته‌اند. هدف از انجام این تحقیق ارزیابی توانایی شبکه‌های عصبی مختلف در پیش‌بینی تراز  آبهای زیرزمینی در محدوده سعادت شهر در استان فارس می‌باشد. از نظر توانایی شبکه‌های مختلف مورد استفاده، شبکه‌های عصبی مصنوعی پیشرو با الگوریتم لونبرگ-مارکوارت بهتریـن نتـایج را ارائه داد. این سـاختار توانست پیش‌بینی ماهانه‌ای از سطح ایستابی آبهای زیرزمینی در بازه زمانی دو ساله (از سال 1383 تا سال 1385) با حداقل ریشه مربع متوسط خطا 04/2 متر و 27/2 متر برای مراحل آموزش و آزمایش ارائه نماید.