در این پژوهش نهشته های کربونیفر بالایی- پرمین ناودیس تنگ شمشیربر روستای چمن ساور، واقع در شمال غرب دامغان از دیدگاه بایواستراتیگرافی، لیتواستراتیگرافی، پالئواکولوژی و محیط رسوبی مطالعه گردیده است. این توالی رسوبی891 متر ضخامت دارد و قابل تفکیک به سازندهای دورود، روته و قشلاق می باشد. سازند دورود در منطقه چمن ساور 222 متر ضخامت دارد و به ترتیب از توالی ضخیم آهک های آنکوئیدی، لایه های آهکی- تخریبی و تخریبی تشکیل شده است. وجود فوزولین هایpraepseudofusulina ikensis, schwagerina shentalinensis, praepseudofusulina hovunensis, به علاوه فرامینیفرهای کوچک nodosinelloides-geinitzina transitional در ابتدای این سازند بیانگر آغاز نهشت رسوبات در uppermost gzhelian می باشد. دریای دورود در منطقه چمن ساور از early asselian تا early sakmarian کم عمق تر از مناطق همجوار بوده و همین امر موجب وفور فرامینیفرهای کوچک و نادر شدن فوزولین ها گردیده است. بر مبنای مطالعه فرامینیفرها یک بایوزون فوزولینی و چهار بایوزون متعلق به فرامینیفرهای کوچک در سازند شناسایی گردید. جلبک های سازند دورود را بر مبنای پراکندگی و تنوع می توان به ترتیب به جلبک های سبز- آبی، پروبلماتیک، داسی کلاداسه و ژیمنوکدی یاسه آ تقسیم نمود. در تشکیل آنکوئیدهای این سازند یک، دو و یا حتی سه گونه های مختلف girvanella نقش داشته اند که روی تعدادی از آنها نیز claracrusta catenoides, eflügelia sp. رشد نموده است. مدل رسوبی سازند دورود رمپ هموکلینال و رخساره های آن در محیط های پهنه جزر و مدی/ ساحلی، لاگون و سد تشکیل یافته اند. سازند روته با ضخامت 560 متر به طور همشیب سازند دورود را می پوشاند. فوزولین ها بسیار کمیاب تر از سازند دورود و فرامینیفرهای کوچک متنوع ترند. براساس انتشار چینه شناسی میکروفسیل های شناخته شده دو بایوزون تعیین و بنا بر وجود آن ها سن سازند middle wordian- early capitanian می باشد. در سازند روته همانند سازند دالان جلبک های داسی کلاداسه حضور کمرنگی دارند و ژیمنوکدی یاسه آ فراوان هستند. وجود جلبک های فیلوئید iranicodium asymmetricum anchicodium iranicum, و eugnophyllum johnsoni نشانگر شباهت این گروه جلبکی به سازند جمال می باشد. مدل رسوبی سازند رمپ هموکلینال و وجود رخساره های تیپیک دریای باز مبین عمیق تر بودن حوضه آن نسبت به سازند دورود می باشد. سازند قشلاق بین دو سازند روته در زیر و الیکا در بالا قرار دارد. بر مبنای بایوزون شناسایی شده سن سازند changhsingian می باشد. در بخش های انتهایی سازند قشلاق به خوبی شواهد انقراض گروهی انتهای پرمین با سقوط در تنوع فرامینیفرها، از بین رفتن تقریبا تمامی laginoides، فراوانی دیزاسترهایی نظیر calcivertella و tubiphytes و تغییر شرایط محیط به رخساره های اائیدی مشهود است. نتایج مطالعه میکروفسیل ها حاکی از این مطلب است که از کربونیفر بالایی تا پرمین سه وقفه رسوبگذاری در بخش هایی ازasselian ، و middle sakmarian- early wordianو middle capitanian- wuchiapingian در منطقه وجود داشته است.

ایران کشوری خشک است و فقط درصد کمی از آب مورد نیاز خود را به وسیله باران تأمین می کند. در حال حاضر، 55% از آب-های مورد نیاز در ایران به وسیله آب های زیرزمینی و 45% آن توسط آب های سطحی تأمین می شود. رشد جمعیت در ایران که با توسعه اقتصادی و رشد صنعت و کشاورزی همراه بوده است، باعث افزایش تقاضا برای آب شده است. در این زمینه، اهمیت کنترل و استفاده بهینه از آب های زیرزمینی توسط هیدروژئولوژیست ها تشخیص داده شده و مدل سازی آب های زیرزمینی به دلیل کارآیی بالا و هزینه های کمتر نسبت به روش های دیگر به عنوان ابزار مدیریتی منابع آب مورد توجه قرار گرفته است. بدین منظور، مدل کمی آب های زیرزمینی دشت مهیار شمالی با مساحت بالغ بر 279 کیلومترمربع که در فاصله20کیلومتری جنوب اصفهان واقع شده، با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاجی فازی-عصبی تطبیقی تهیه گردید و در انتها به منظور بررسی بیشتر توانایی این سیستم های هوشمند، نتایج حاصل از آنالیز رگرسیون با نتایج شبکه عصبی و سیستم استنتاجی فازی-عصبی تطبیقی مقایسه گردیدند. داده های مورد استفاده برای این تحقیق شامل بارندگی(t)، بارندگی (t-1)، رطوبت نسبی، درجه حرارت، برداشت از چاه های بهره برداری و دبی جریان آب زیرزمینی از مرزهای تغدیه کننده دشت (مرز جنوب شرقی) به عنوان ورودی و سطح آب زیرزمینی به عنوان خروجی (یا هدف) می باشد. ابتدا برای گروه داده های ورودی، شبکه ای طراحی و پارامترهای موثر در آموزش شبکه اعمال و بهترین شرایط(ضریب رگرسیونی بالا و مجذور متوسط خطا پایین) به دست آمده است در آموزش شبکه عصبی از چهار الگوریتم lm, rp, scg و gdm استفاده شده است. نتایج نشان می دهد بهترین نوع شبکه برای دسته داده های ورودی، شبکه ffn-lm می باشد. صحت سنجی شبکه مذکور نیز کارآیی آن ها را در شبیه سازی سطح آب زیرزمینی دشت تایید می نماید. جهت آموزش سیستم استنتاجی فازی-عصبی تطبیقی نیز، توابع عضویت فازی ساز مختلف استفاده گردید و نتایج حاکی از این بود که تابع گوسی ساده بهترین نتایج را ارائه می دهد. همچنین با مقایسه نتایج حاصل از به کارگیری تعداد توابع عضویت فازی مختلف برای هر ورودی تعداد 3 تابع در نظر گرفته شد. به منظور پیش بینی سطح آب زیرزمینی در دشت مهیار شمالی از داده های زمان t و داده های زمان t+12به ترتیب به عنوان ورودی و خروجی استفاده، و با به دست آوردن بهترین حالت برای دسته داده های ورودی، سطح آب زیرزمینی از مهر89 تا شهریور90 پیش بینی شد. مقایسه نتایج حاصل از سیستم استنتاجی فازی-عصبی تطبیقی )97/0, r2= 17/0(rmse= با نتایج شبکه عصبی مصنوعی )95/0, r2 = 22/0 (rmse=و روش رگرسیون )914/0 , r2= 407/0 (rmse=نشاندهنده دقت بسیار بالای سیستم استنتاجی فازی-عصبی تطبیقی در پیش بینی سطح آب زیرزمین آبخوان دشت مهیار شمالی می باشد. ولی در مجموع پیش بینی سطح آب زیرزمینی توسط هر سه روش از دقت نسبتاً بالایی برخوردار است.