عملکرد شبکۀ عصبی مصنوعی در پیش ‏بینی و تحلیل فرایندهای هیدرولوژیک (مطالعۀ موردی: کمبود آب حوضۀ آبخیز نازلوچای در استان آذربایجان غربی)

بارش یکی از فرایند‏های هیدرولوژیک است که تأثیر زیادی در کنترل مدیریت منابع آب دارد. کمبود بارش سبب به‌وجود‌آمدن مشکلات فراوانی از جمله کمبود آب شرب می‏شود. به‌علت اهمیت مسئلۀ کمبود آب، استفاده از روش‏های نوین به‏منظور پیش‏بینی فرایند‏های هیدرولوژیک تأثیر زیادی در برنامه‏ریزی و مدیریت منابع آب خواهد داشت. از این‌رو، در تحقیق حاضر کمبود آب ماهانه در حوضۀ نازلوچای طی یک دورۀ آماری 39ساله (1352‌ـ 1391) با استفاده از مدل شبکۀ عصبی مصنوعی و مدل بهبودیافتۀ موجک‌ـ شبکۀ عصبی، شبیه‏سازی، پیش‏بینی و تحلیل شده است. عملکرد این دو مدل توسط معیار‏های خطای ضریب همبستگی، ضریب تبیین و جذر میانگین مربعات خطا ارزیابی شد. بنا بر نتایج به‌دست‌آمده، مدل موجک‌ـ شبکۀ عصبی با ضریب همبستگی 96/0 و 945/0 که به‌ترتیب مختص به حالت آموزش و آزمون است، نسبت به شبکۀ عصبی مصنوعی توانایی بیشتری برای پیش‏بینی کمبود آب داشت. در ادامه، مقادیر کمبود آب ماهانه در این حوضه طی سال‏های 1392 تا 1399 پیش‏بینی شده است. نتایج نشان می‌‏دهند روند کمبود آب همچنان مانند گذشته باقی است. البته، متوسط میزان کمبود در 8 سال آینده تقریباً 95/2 میلیون متر‌مکعب تخمین زده شد. در حالی که همین پارامتر برای 39 سال گذشته 04/4 میلیون متر‌مکعب بوده است. از این‌‏رو، نیاز است که برای سال‏های آینده اقدامات لازم انجام شود و با برنامه‏ریزی مدیریتی دقیق برای بهره‏برداری از منابع آب (کشاورزی، صنعت، شرب و...)، کاهش میزان کمبود آب در سال‏های آتی ممکن شود.