صیاد اصغری سراسکانرود - استاد گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
مریم ریاحی نیا - فارغ تحصیل کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه محقق اردبیلی

امروزه به دلیل افزایش جمعیت، توسعه صنعتی، بهره برداری بی رویه، خشکسالی ها بهره برداری از آب های زیرزمینی چندین برابرشده است. بنابراین تشخیص مناطق دارای آب زیرزمینی به عنوان یکی از منابع مهم برای تامین آب آشامیدنی، کشاورزی، صنایع مختلف به خصوص  از موارد مهم و ضروری در مدیریت منابع آب محسوب می شود. هدف از انجام این پژوهش، بررسی و پهنه بندی مناطق دارای آب زیرزمینی در دشت خرم آباد واقع در استان لرستان با استفاده از روش شبکه عصبی کانولوشن است. بدین منظور ابتدا از طریق بازدیدهای میدانی، نقشه های زمین شناسی و توپوگرافی و با مرور منابع قبلی و بررسی شرایط منطقه، نه عامل طبقات ارتفاعی، شیب، جهت شیب، فاصله از گسل، فاصله از رودخانه، بارش، لیتولوژی و کاربری اراضی، خاک به عنوان عوامل موثر بررسی و انتخاب شدند و  نقشه آن ها در محیط ArcGisتهیه شدند. درروش کانولوشن تعداد نمونه ها به عنوان نسبت بین مجموعه آموزشی و مجموعه آزمایشی۷۰:۳۰ تعیین شد و چارچوب شبکه عصبی کانولوشن به عنوان ۲ لایه کانولوشن و ۲ لایه ادغام، ۲ اتصال کامل استفاده شد. لایه ها و در نهایت لایه sigmoid برای در طبقه بندی از هسته کانولوشن ۳ ۳، تابع Relu به عنوان تابع فعال سازی و تابع آنتروپی متقاطع به عنوان تابع زیان استفاده شد. نقشه های به دست آمده در ۵ کلاس طبقه بندی شد. هم چنین برای اعتبارسنجی نتایج مدل از ماتریس کانفیوزن استفاده شد.۳۰ درصد از داده های واقعی برای ارزیابی استفاده شد که منجر به دقت کلی۹۲ درصد شد، یعنی مدل توانسته ۹۲درصد داده ها را آب زیرزمینی و۹۳درصد عدم آب زیرزمینی رو به درستی تشخیص دهد. تجزیه و تحلیل نقشه پتانسیل آب زیرزمینی مدل شبکه عصبی کانولوشن نشان می دهد که حدود ۵۷ درصد منطقه در شرایط کم آب زیرزمینی و۴۳درصد منطقه در شرایط خوب آب زیرزمینی قرار دارد.

پهنه بندی, شبکه عصبی, آب زیرزمینی, دشت خرم آباد