چکيده

شناخت رفتار سیستم آب زیرزمینی و پیش‌بینی نوسانات سطح آن یکی از اولین اقدامات به منظور دستیابی به مدیریت جامع و پایدار منابع آب زیرزمینی خصوصا در مناطق خشک و نیمه خشک می‌باشد. در این پژوهش، به ارزیابی توانایی شبكه‌های عصبی مصنوعی در پیش‌بینی تراز آب زیرزمینی در آبخوان دشت تسوج در استان آذربایجان‌شرقی پرداخته شد. بدین منظور، ابتدا بر اساس اطلاعات 10 چاهک مشاهده‌ای كه دارای طول آماری به طور متوسط 132 ماهه بودند، محدوده آبخوان پلی‌گون‌بندی شد. سپس اطلاعات هر پلی‌گون به عنوان ورودی و خروجی مدل در نظر گرفته شد. ورودی‌های لحاظ شده برای هر مدل در این تحقیق ترکیبی از اطلاعات هواشناسی (بارندگی، تبخیر از تشتک و دما)، برداشت آب از آبخوان و مقادیر سطح ایستابی آبخوان و خروجی آن تراز سطح آب در گام زمانی فعلی بود. نتایج این تحقیق نشان داد وارد کردن اطلاعات به صورت گام‌های تأخیری، تأثیر به سزایی در پیش‌بینی سطح آب زیرزمینی دارد. بر اساس نتایج، شبکه‌های عصبی پیش‌خور (MLP) پس‌انتشار خطا (BP) که عموماً شبکه‌های پرسپترون چند لایه هم نامیده می‌شوند، با توابع آموزشی لونبرگ مارکوات بهترین نتایج را ارائه دادند. بنابراین می‌توانند به عنوان ابزاری با سرعت و دقت مناسب برای تصمیم‌گیری در مدیریت دشت تسوج استفاده شوند.