فهرست نشریات علمی دسترسی آزاد ایران

ارزیابی و پیشبینی تغییرات تراز سطح آب زیرزمینی با استفاده از مدلهای خاص، اطلاعات ارزشمندی جهت مدیریت منابع آب و برنامهریزی مصرف، در اختیار میگذارد. از بین ابزار و روشهای متفاوت موجود، مدلهای رگرسیون غیرخطی چند متغیره برای پیشبینی پدیدههای هیدرولوژیکی از اهمیت زیادی برخوردارند. در این پژوهش از دادههای ماهانه مصارف، بارش و ارتفاع سطح ایستابی برای سالهای 1380 الی 1390 دشت عجبشیر استفاده گردید. با تجزیهوتحلیل همبستگی 0/ 0/39 و 86 (R متقاطع مشخصشد که بارندگیها با تأخیر یکماهه و مصارف با تأخیر دوماهه بهترتیب با ضرایب تعیین ( 2 بیشترین تأثیر را بر ارتفاع سطح ایستابی داشتند. سپس رابطه عمومی بین این سه متغیر از طریق یک معادله رگرسیونی 0/35 متر بهدست آمد. برای پیشبینی (RMSE) 0 و ریشه متوسط مربعات خطا / غیرخطی چندمتغیره با ضریب تعیین 87 مقادیر ارتفاع سطح ایستابی در سالهای آتی، نخست مصارف و بارش بهترتیب با استفاده از روشهای شبکه عصبی مصنوعی و توماس – فیرینگ پیشبینی شدند، سپس با قرار دادن در معادله رگرسیونی بهدستآمده، مقادیر ارتفاع سطح ایستابی پیشبینی گردید. از طرف دیگر، از شبکه عصبی مصنوعی برای پیشبینی ارتفاع سطح ایستابی استفاده شد که با این 0 متر بهدست آمد. مقایسه نتایج دو روش نشان داد که / 0 و ریشه متوسط مربعات خطا 39 / روش مقدار ضریب تعیین 82 مدل رگرسیونی غیرخطی چند متغیره از دقت بیشتری در پیشبینی ارتفاع سطح ایستابی دشت موردمطالعه برخوردار است.