شبیه سازی روند نوسانات سطح ایستابی با استفاده از مدل عددی MODFLOW و مدل شبکه عصبی مصنوعی

به منظور مدیریت بهینه منابع آب زیرزمینی، برآورد قابل قبول ورودی ها و خروجی ها در هر حوضه آب زیرزمینی ضروری است. در این پژوهش به مقایسه عملکرد مدل هوشمند شبکه عصبی مصنوعی و مدل عددی MODFLOW برای پیش بینی نوسانات تراز سطح ایستابی پرداخته خواهد شد. وضعیت آب زیرزمینی در دشت قزوین به دلیل برداشت های بی رویه رو به بحرانی شدن است. هدف از این مطالعه، بررسی نوسانات سطح ایستابی آبخوان مورد مطالعه پس از شبیه سازی آن با مدل MODFLOW و مقایسه نتایج آن با مدل شبکه عصبی مصنوعی است تا بدین طریق بتوان مدل برتر را در شبیه سازی رفتار واقعی نوسانات تراز سطح ایستابی در یک دوره آماری دراز مدت، تعیین نمود. در مدل عددی پس از واسنجی هدایت هیدرولیکی و آبدهی ویژه در دو حالت ماندگار و غیرماندگار، صحت سنجی مدل برای مدت زمان یکسال انجام گرفت و با توجه به دقت مناسب نتایج، پیش بینی مدل برای یک دورهی یکساله انجام گرفت. همچنین با تعریف 5 دسته پارامترهای ورودی مختلف به شبکه عصبی مصنوعی، متغیرهای بارش، دما، سطح آب زیرزمینی در یک گام قبل، تغذیه و تخلیه آبخوان به عنوان پارامترهای پیش بینی کننده انتخاب و با استفاده از شبکه انتشار برگشتی متقابل شبیه سازی و پیش بینی آب زیرزمینی انجام گرفت. نتایج شبیه سازی سطح آب زیرزمینی با استفاه از شبکه عصبی مصنوعی حاکی از بالا بودن میزان ضریب تبیین در مرحله آموزش و تست بود. تحلیل سطح آب زیرزمینی با استفاده از مدل MODFLOW نیز پس از صحت سنجی مدل برای مدت یکسال انجام گرفت. نتایج استخراجی برای چاههای مشاهده ای مختلف در سطح ابخوان قزوین حاکی از دقت مناسب پیش بینی سطح آب زیرزمینی بود. به منظور مقایسه نتایج دو روش شبکه عصبی مصنوعی و مدل عددی MODFLOW از هیدروگراف واحد آبخوان استفاده گردید. تحلیل سری زمانی هیدروگراف آبخوان نشان داد که میزان همبستگی بین داده های مشاهداتی و شبکه عصبی مصنوعی 0/62 و مقدار همبستگی 0/86 با روش MODFLOW است. بطورکلی نتایج این تحقیق نشان داد که مدل عددی MODFLOW با توجه به درنظرگیری خصوصیات هیدروژئولوژیک آبخوان نتایج مناسب تری را جهت پیش بینی سطح آب زیرزمینی نسبت به روش شبکه عصبی مصنوعی ارائه می دهد

Keywords:

شبکه عصبی مصنوعی , مدل عددی MODFLOW , سطح ایستابی , آبخوان دشت قزوین