TY - JOUR T1 - Fluctuations in groundwater level prediction with Bayesian network (case study( TT - پیش بینی سطح نوسانات آب های زیرزمینی با شبکه های بیزین(مطالعه موردی) JF - geospace JO - geospace VL - 16 IS - 56 UR - http://geographical-space.iau-ahar.ac.ir/article-1-1381-fa.html Y1 - 2017 SP - 185 EP - 200 KW - Groundwater KW - land statistics KW - Interpolation KW - Bayesian Network KW - Neural networks N2 - در بررسی مسائل ژئوهیدرولوژی متغیر سطح ایستابی از اهمیت بسیار بالایی برخوردار است. بنابراین تحقیق و پژوهش در تخمین نقاط فاقد اطلاعات ضروری می باشد. در این پژوهش دشت نور اباد با 11 چاه مشاهده ای که همگی دارای آمار سالانه بوده بروش های درون یابی از جمله زمین آمار(کرجینگ و کوکریجینگ) نقاط فاقد آمار محاسبه گردید. در این تحقیق با هدف پیش بینی نوسانات سطح آب زیرزمینی، با استفاده از روش های هوشمند شبکه های بیزین و شبکه های عصبی مصنوعی مدل سازی شده است. که برای این منظور طول و عرض جغرافیایی در مقیاس زمانی ماهانه بعنوان ورودی و نوسانات سطح آب زیرزمینی بعنوان پارامتر خروجی انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و عملکرد مدل ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد مدل شبکه بیزین دارای ضریب همبستگی (880/0)، ریشه میانگین مربعات خطاm)024/0) و نیز معیار نش ساتکلیف(900/0) در مرحله صحت سنجی توانسته با دقت قابل قبولی به تخمین نوسانات سطح آب بپردازد. M3 ER -