معصومه عسکری - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه علوم کشاورزی و منابع
ابوالفضل مساعدی - دانشیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان، مام
امیراحمد دهقانی - استادیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
مهدی مفتاح هلقی - استادیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

منابع آب زیرزمینی بزرگترین ذخیره قابل دسترسی آب شیرین در کره زمین محسوب می‌شوند. با توجه به اهمیت و کمبود این منبع ارزشمند مطالعه پیرامون این موضوع از اهمیت بسیار بالایی برخوردار است. انجام هرگونه پروژه مطالعاتی و تحقیقاتی مرتبط با منابع آب، بستگی کامل به شناخت متغیرهای هواشناسی و هیدرولوژیکی و همچنین نحوه تغییرات آنها در سطح منطقه دارد. بنابراین، قبل از پرداختن به هرگونه تجزیه و تحلیل داده‌ها، به منظور استفاده در مراحل بعدی پروژه مانند تهیه مدل‌های ریاضی، شبکه ایستگاه‌های موجود که اطلاعات از روی آنها جمع‌آوری شده است، مورد بررسی قرار گیرد. متاسفانه تاکنون تعریف جامع و مشخصی برای طراحی یک شبکه هیدروکلیماتولوژی بهینه برای یک منطقه ارائه نشده است، اما واضح است که این طراحی بستگی به نوع داده، موقعیت جغرافیایی، شرایط منطقه و هدف جمع‌آوری داده دارد. تخمین سطح ایستایی در نقاط مختلف آبخوان در منطقه مورد بررسی از جمله این موارد است که با توجه به محدودیت در تعداد چاهک‌های مشاهده‌ای، در همه نقاط آمار و اطلاعات کافی در دسترس نیست و بایستی با دقت مناسبی مقادیر سطح آب در نقاط دیگر آبخوان برآورد شود. در این تحقیق با استفاده از روش زمین آمار کریجینگ و استفاده از دو نوع شبکه عصبی مصنوعی معروف MLP و RBF مقادیر سطح آب در نقاط مختلف آبخوان دشت قزوین تخمین زده شد. سپس نتایج بدست آمده از این دو مدل مورد ارزیابی قرار گرفت. نتایج تحقیق نشان می‌دهد که شبکه‌های عصبی از دقت بالایی نسبت به روشهای زمین آمار در تخمین سطح آزاد آب در آبخوان برخوردار می‌باشند. همچنین شبکه چند لایه پرسپترون MLP نیز نتایج دقیقتری را نسبت به شبکه عصبی مصنوعی توابع پایه شعاعی RBF ارائه می‌کنند.

میانیابی سطح آب زیرزمینی، شبکه عصبی، زمین آمار، آبخوان قزوین