شبیه سازی سطح ایستابی آب زیرزمینی دشت سرخس با ترکیب روش های هوش مصنوعی و زمین آمار

سابقه و هدف: شبیه سازی جریان زیرزمینی به منظور پیش بینی سطح ایستابی، در مطالعات هیدروژئولوژی و مدیریتی، احداث سازه ها، مصارف کشاورزی و دسترسی به آب های زیرزمینی با کیفیت بالا از اهمیت بسزایی برخوردار است. در دهه های اخیر به سبب پیچیدگی و ویژگی های غیر خطی سیستم های آب زیرزمینی، مدل های هوش مصنوعی برای شبیه سازی آبخوان ها مورد آزمایش قرار گرفته اند. هدف این مطالعه مقایسه مدل های شبکه عصبی مصنوعی (پرسپترون چند لایه، تابع پایه شعاعی و نروفازی) و ترکیب آن با روش های زمین آمار برای مدل سازی سطح ایستابی دشت سرخس می باشد. بررسی مطالعات قبلی نشان می دهد، شبیه سازی سطح آب زیرزمینی با روش های هوش مصنوعی در مناطق مختلف نتایج متفاوتی ارائه کرده است . مواد و روش ها: شهرستان سرخس، با پهنه ای بیش از 5 هزار کیلومترمربع در طول های جغرافیایی ′30 °60 تا ′15 °61 شرقی و عرض جغرافیایی ′55 °35 تا ′40 °36 شمالی واقع شده است. آبخوان دشت سرخس از نوع آزاد و دارای یک لایه آبرفتی می باشد. در این تحقیق از داده های سطح ایستابی 18 حلقه چاه در طول دوره آماری (1394-1370)، بارش و تبخیر پتانسیل ماهانه استفاده شد. با استفاده از روش تیسن سطح اثر ایستگاه های هواشناسی مشخص شد و داد ه ها ی اقلیمی هر ایستگاه به چاه های واقع در پلیگون مربوطه تعمیم داده شد. مدلهای شبکه عصبی مورد استفاده شامل پرسپترون چند لایه (MLP)، تابع پایه شعاعی (RBF) و روش نروفازی (NF) یا (ANFIS) و روش های زمین آمار شامل روش کریجینگ، کوکریجینگ و روش عکس فاصله بود. 70 درصد داده های ورودی برای آموزش مدل و 30 درصد باقیمانده داده ها برای آزمایش آنها بکارگرفته شد. برای ارزیابی نتایج شبیه سازی مدلهای شبکه عصبی مصنوعی از آماره های همبستگی بین داده ها (R) ، مجذور میانگین خطای مطلق (MAE) و ضریب تبیین (R2) و برای ارزیابی روشهای زمین آماری از معیارهای ارزیابی ریشه میانگین مربع خطا (RMSE) و میانگین مربعات خطا (MSE) استفاده شد. یافته ها: نتایج بدست آمده نشان داد که مدل پرسپترون چند لایه نسبت به مدل های دیگر با توجه به 60/0=R2، 80/0= MAE و 77/0 R=از دقت بیشتری برخوردار است. برای تعیین بهترین مدل زمین آمار برای پیش بینی مکانی سطح ایستابی آب های زیرزمینی نتایج مدل پرسپترون چند لایه، به عنوان ورودی مدل های زمین آمار استفاده شد. نتایج نشان که روش کریجینگ با 1= RMSEو 068/0= RMSمدل بهتری برای شبیه سازی مکانی سطح آب زیرزمینی دشت سرخس می باشد و براساس آن نقشه های شبیه سازی سطح آب زیرزمینی هر سال ترسیم گردید. تحلیل نقشه های به دست آمده نشان داد بیشترین افت در قسمت شمالی منطقه می باشد و قسمت جنوبی از افت کمتری برخوردار بوده است. نتیجه گیری: ترکیب مدلMLP و روش درونیابی کریجینگ، راه حلی مناسب و کم هزینه برای شبیه سازی تراز آب زیرزمینی دشت سرخس می باشد. پیشنهاد می گردد برای افزایش دقت مدل های هوش مصنوعی در صورت امکان از متغیرهای وابسته بیشتری استفاده شود. همچنین برای پیش بینی بهتر سطح آب زیرزمینی از مدل های هوش مصنوعی دیگر با الگوریتم های متفاوت استفاده شود.

Keywords:

آب زیرزمینی , پهنه بندی , مدل پرسپترون چند لایه , کریجینگ