میان یابی دقیق تراز سطح آب زیرزمینی یکی از موضوعات مورد علاقه در مطالعات آب های زیرزمینی است. در این پژوهش سه روش زمین آمار (کریجینگ) و استفاده از دو نوع شبکه عصبی مصنوعی معروف شبکه های موسوم به پرسپترون چندلایه (MLP) و شبکه های تابع پایه شعاعی (RBF) و همچنین سیستم استنتاجی فازی، عصبی، برای تخمین مقادیر تراز سطح آب زیرزمینی به منظور یافتن بهترین روش میان یابی مورد ارزیابی قرار گرفته اند. دشت قزوین به عنوان محدوده مورد مطالعه در نظر گرفته شده و مختصات هندسی چاه های مشاهده ای به عنوان ورودی و مقادیر تراز سطح آب زیرزمینی به عنوان خروجی در روش های شبکه عصبی مصنوعی و سیستم استنتاجی فازی، عصبی استفاده شده است. همچنین 20 درصد از کل تعداد چاه ها به عنوان داده های آزمون در نظر گرفته شد. نتایج پژوهش نشان می دهد که سیستم استنتاجی فازی، عصبی با توجه به ضریب همبستگی 98 درصد و میانگین مربعات خطای کمتر از دقت بالاتری برای تخمین تراز سطح آب زیرزمینی در نقاط مجهول آب خوان نسبت به روش های زمین آمار و شبکه های عصبی برخوردار است. همچنین شبکه چندلایه پرسپترون MLP نیز با توجه به ضریب همبستگی 93 درصد و میانگین مربعات خطای کمتر نتایج دقیق تری را نسبت به شبکه عصبی مصنوعی توابع پایه RBF با توجه به ضریب همبستگی 90 درصد ارایه نمود و نتایج حاصل از روش زمین آمار نشان داد که این روش با توجه به ضریب همبستگی 95 درصد و اما میانگین مربعات خطای بیشتر نسبت به روش شبکه چندلایه پرسپترون نتایج نزدیک به هم را ارایه کردند اما روش زمین آمار نتایج بهتری را نسبت به روش شبکه عصبی مصنوعی توابع پایه شعاعی RBF ارایه نموده است.

کلمات کلیدی