ارزیابی شبکه عصبی مصنوعی و مدل عددی MODFLOW در پیشبینی سطح ایستابی (مطالعه موردی: خراسان جنوبی - دشت بیرجند)

آب­های زیرزمینی به عنوان یکی از مهم­ترین منابع تامین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه­خشک مطرح بوده است. دشت بیرجند با قرار گرفتن در منطقه خشک، استفاده از آب­های زیرزمینی را به عنوان تنها منبع تولید آب شیرین در اختیار دارد. پیش­بینی نوسانات سطح آب زیرزمینی دشت می­تواند کمک شایانی به برنامه­ریزی و تصمیم­گیری­های بعدی، جهت تامین دراز مدت آب شرب، کشاورزی و صنعت نماید. هدف از این تحقیق مقایسه دو روش مدل عددی MODFLOW و شبکه عصبی مصنوعی در پیش­بینی سطح ایستابی دشت بیرجند می­باشد. شبکه عصبی مصنوعی یکی از روش­های هوشمند بوده که با استفاده از ارتباط ذاتی داده ها، روابط غیرخطی بین آن­ها را آموزش دیده و نتایج را برای بقیه حالات تعمیم می دهد. مدل عددی نیز با دریافت کلیه اطلاعات مربوط به یک آبخوان که به صورت لایه­های GIS می­­باشد، قادر به پیش­بینی سطح آب در آینده است. نرم افزار GMS برای حل عددی معادله حاکم بر حرکت آب زیرزمینی از دو روش المان محدود و تفاضل محدود استفاده می­نماید که در این تحقیق از روش تفاضل محدود استفاده شد. مدل عددی برای دو حالت ماندگار و غیرماندگار و در سه سناریوی ترسالی، نرمال و خشک­سالی اجرا و مورد مقایسه قرار گرفت. در بخش مدل شبکه عصبی، ورودی های مدل عبارت است از، میزان برداشت از چاه­های آب، میزان آب ورودی به هر چندضلعی بر حسب مترمکعب (ناشی از بارندگی منطقه) و تراز سطح آب در هر پیزومتر در گام زمانی قبل و خروجی مدل، تراز سطح آب در گام زمانی فعلی می­باشد. نتایج نشان می دهد که با استفاده از روش شبکه عصبی مصنوعی می توان با دقت مناسبی سطح آب زیرزمینی را تا ۱۲ ماه بعد پیش­بینی نمود، ضمن آن­که در تعدادی از پیزومترها پیش­بینی تا ۱۸ ماه نیز از دقت مناسبی برخوردار است. مدل عددیMODFLOW نیز تا ۲۴ ماه آتی و با دقت بیش­تری نسبت به شبکه عصبی مصنوعی تغییرات سطح آب را پیش­بینی می­نماید.   

Keywords:

آبخوان بیرجند , آب های زیرزمینی , شبکه عصبی مصنوعی , GMS