دریاچه ارومیه به جهت داشتن انواع گونههای حیات وحش، انواع گونههای پوشش گیاهی در سطح جزایر، ایجاد تعادل طبیعی در منطقه آذربایجان، ارزش توریستی ، تفریحی و اجتماعی، ارزش طبی، ذخیرهگاه زیست سپهر و همچنین به عنوان یک تالاب بین المللی دارای اهمیت ویژهای است. ازطرفی مطالعه پارامترهای هواشناسی دریاچه ارومیه و بررسی تغییرات تراز آن، به منظور اعمال مدیریت برمنابع آب حائز اهمیت است.درنتیجه به منظور احیای دوباره دریاچه ارومیه و مدیریت منابع آب این دریاچه لازم است نقش پارامترهای موثر مشخص شود. لذا در این تحقیق از روش شبکه عصبی استفاده شد و پارامترهای هواشناسی نظیر تبخیر، دما، بارش و مقادیرسالانه برداشت از آبهای زیرزمینی چاههای اطراف دریاچه ارومیه و مقادیرسالانه دبی ورودی به دریاچه بین سالهای ۱۳۷۶ تا۱۳۹۰، به عنوان پارامترهای ورودی و ارتفاع و مساحت سالانه آب دریاچه به عنوان پارامترهای خروجی وارد شبکه عصبی شدند. دراین تحقیق از قوانین لونبرگ برای آموزش شبکه استفاده شد. پس از آموزش مدل توسط پارامترهای هواشناسی، مشخص گردید مدل شبکه عصبی به شکل کاملا مناسبی و با دقت بالایی دادهها را تقریب میزند. این شبکه، مساحت دریاچه ارومیه را به اندازه ۳% خطا و ۹۷% دقت و سطح تراز دریاچه با خطای m ۸/۰ تخمین میزند. همچنین ضریب همبستگی پارامتر برداشتاز آبهای زیرزمینی با ارتفاع و مساحت ۴/۰- و ضریب همبستگی بارش با ۲ پارامتر وابسته ۱۵/۰+وضریب دبی ورودی ۴/۰+ به دستآمد. پس از بررسی مدل معلوم شد که پارامترهای برداشت از چاههای زیرزمینی و مقدار دبی ورودی دریاچه نسبت به دیگر پارامترها برروی ارتفاع و مساحت تاثیربیشتری دارند.
Barzegari S, Agahamohammadi H, Behzadi S. Development of a Strategy Using Spatial Analysis and Neural Network for Spatial Analysis of Water Levels at the Time of Drought. JGST 2020; 9 (3) :73-84 URL: http://jgst.issgeac.ir/article-1-802-fa.html
برزگری سپیده، آقامحمدی حسین، بهزادی سعید. توسعه راهکاری بااستفاده از آنالیزهای مکانی و شبکه‌های عصبی برای بررسی و تحلیل مکانمند سطوح آب در زمان‌های خشکسالی. علوم و فنون نقشه برداری. 1398; 9 (3) :73-84
