مریم ریاحی نیا

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 تأمین 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 مؤثر 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 آزمایشی70:30 تعیین شد و چارچوب شبکه عصبی کانولوشن به عنوان 2 لایه کانولوشن و 2 لایه ادغام، 2 اتصال کامل استفاده شد. لایه ها و در نهایت لایه sigmoid برای در طبقه بندی از هسته کانولوشن 3 3، تابع Relu به عنوان تابع فعال سازی و تابع آنتروپی متقاطع به عنوان تابع زیان استفاده شد. نقشه های به دست آمده در 5 کلاس طبقه بندی شد. هم چنین برای اعتبارسنجی نتایج مدل از ماتریس کانفیوزن استفاده شد.30 درصد از داده های واقعی برای ارزیابی استفاده شد که منجر به دقت کلی92 درصد شد، یعنی مدل توانسته 92درصد داده ها را آب زیرزمینی و93درصد عدم آب زیرزمینی رو به درستی تشخیص دهد. تجزیه و تحلیل نقشه پتانسیل آب زیرزمینی مدل شبکه عصبی کانولوشن نشان می دهد که حدود 57 درصد منطقه در شرایط کم آب زیرزمینی و43درصد منطقه در شرایط خوب آب زیرزمینی قرار دارد.

در سال های اخیر با افزایش روز افزون جمعیت و توسعه صنعتی بهره برداری از منابع آب زیرزمینی چندین برابر شده است، با تداوم این عمل سطح آب های زیرزمینی روز به روز افت کرده است. بنابراین شناسایی این منابع، استفاده بهینه از آن به معنای برداشت پایدار و همیشگی از این ثروت خدادای است.هدف ازاین تحقیق ارزیابی و پتانسیل یابی منابع آب های زیر زمینی با استفاده از رو ش های منطق فازی و شبکه عصبی مصنوعی دردشت خرم آباد است. دراین تحقیق ابتدا نقشه فهرست چاه ها تهیه و بعد پارامترهای موثر درپتانسیل یابی از قبیل: لایه ارتفاع، شیب، جهت شیب، انحنای سطح، شاخص رطوبت توپوگرافی، کاربری اراضی، خاک، زمین شناسی، فاصله از رودخانه، تراکم زهکشی، فاصله از گسل، تراکم گسل مشخص و نقشه آن ها در محیط نرم افزارArc GIS  تهیه شد. جهت تهیه نقشه پتانسیل یابی منابع آب زیرزمینی از دو روش منطق فازی و شبکه عصبی مصنوعی استفاده شد. در مدل شبکه عصبی مصنوعی الگوریتم پس انتشار خطا و تابع فعالسازی سیگموئید به کار گرفته شد. ساختار نهایی شبکه دارای 11نرون درلایه ورودی، 11 نرون درلایه پنهان و 1 نرون درلایه خروجی گردید. در مدل منطق فازی از اپراتورهای عملگراجتماع فازی، عملگراشتراک فازی، عملگرضرب جبری فازی، عملگرجمع جبری فازی، عملگرگاما فازی استفاده شد. سپس نتایج هر دو مدل مورد ارزیابی قرار گرفت و در نهایت با مقایسه نتایج به دست آمده روش مناسب جهت پتانسیل یابی منابع آب های زیرزمینی به دست آمد و همچنین مهمترین عوامل موثر در پتانسیل یابی منابع در منطقه مشخص گردید. نتایج ارزیابی شبکه عصبی با چاه هایی با دبی بالا نشان می دهد که حدود80 درصد ازچاه ها درمناطق با پتانسیل متوسط به بالا است درحالی که نقشه منطق فازی حدود 75  درصد چاه ها درمناطق با پتانسیل متوسط به بالا را نشان می دهد. نتایج این پژوهش نشان داد که روش شبکه عصبی جهت پتانسیل یابی منابع آب زیرزمینی نسبت به روش منطق فازی مناسب ترو کاربردی تراست.