مریم امید - کارشناس دفتر حوزه آبریز فلات مرکزی، شرکت مدیریت منابع آب ایران
کورش محمدی - دانشیار، گروه آبیاری و زهکشی، دانشگاه تربیت مدرس
مجید خیاط خلقی - دانشیار، گروه مهندسی آبیاری و آبادانی، دانشگاه تهران

شبیه سازی سطح آب زیرزمینی با استفاده از مدلهای عددی نیاز به پارامترهای هیدرولوژیکی و زمین شناسی مختلفی دارد. بهعلاوه ترکیب این مدلها با مدلهای بهینه سازی برای یافتن سناریوی مد یریت آب زیرزمینی بهینه, نیاز به صدها بار اجرای برنامه دارد. از اینرو شبکههای عصبی مصنوعی به عنوان مدل های تخمینگر قدرتمند, بدون آگاهی از معادلات حاکم می توانند مورد استفاده قرار گیرند . بدین منظور آبخوان آستانه - کوچصفهان در استان گیلان برای ارزیابی این روش انتخاب گردید. در این آبخوان, آمار کافی جهت تهیه و آموزش شبکه عصبی مصنوعی موجود نبود, به همین دلیل استفاده تلفیقی از مدلهای عددی و شبکههای عصبی مصنوعی مورد بررسی قرار گرفت. در این روش هرچند هنوز نیازمند مدلهای عددی می باشیم, لیکن پس از آموزش شبکه عصبی مصنوعی, داده های مورد نیاز کاهش یافته و شبیه سازی ساده تر میگردد . در این تحقیق استفاده از روش ۱۰ قسمتی برای آموزش مدل شبکه عصبی مصنوعی نیز مورد استفاده ارزیابی قرار گرفت.

آبهای زیرزمینی, شبکه عصبی مصنوعی, مادفلو, شبیهسازی