تحلیل مکانی و زمانی تراز آب زیرزمینی با استفاده از رویکرد همگنی ناحیه ای با تلفیق شبکه عصبی مصنوعی (منطقه مورد مطالعه: آبخوان میاندوآب)

با توجه به اهمیت منابع آب زیرزمینی در تامین مطمئن نیاز آبی کشورها، بویژه در مناطق خشک و نیمه خشک، برنامه ریزی بلند مدت و مدیریت صحیح بهره برداری از این منابع ارزشمند امری ضروری می باشد. بدین منظور استفاده از ابزارهای مناسب شبیه سازی جهت پیش بینی تغییرات مکانی و زمانی سفره های آب زیرزمینی و رفتار آتی آنها بسیار مفید می باشد. این مطالعه با هدف منطقه بندی آبخوان میاندوآب و پیش بینی مکانی و زمانی سطح آب زیرزمینی با استفاده از روش شبکه عصبی مصنوعی انجام شده است. ابتدا جهت شناسایی اهمیت پارامترهای موثر در شبیه سازی، شش پارامتر ضریب قابلیت انتقال، سطح آب زیرزمینی، تراز زمین، افت آب زیرزمینی، بارندگی و تخلیه در سطح منطقه خوشه بندی مکانی شد. پس از تحلیل آماری از سه رویکرد خوشه بندی منفرد، سه پارامتره و تلفیقی استفاده گردید. تعداد خوشه های مناسب با استفاده از عرض سیلهوت تعیین شد. در فرایند آموزش و صحت سنجی مدل از داده های ۷۷ چاه مشاهده ای آبخوان میاندوآب، که دارای سری زمانی اندازه گیری شده ۱۰ ساله (۱۳۹۱-۱۳۸۲) برای سطح آب زیرزمینی می باشند، استفاده شد. نتایج تحلیل خوشه بندی مکانی نشان داد که رویکرد خوشه بندی با در نظر داشتن همبستگی دارای دقت بهتری است. پس از انتخاب رویکرد مکانی مناسب، ۴ پارامتر بارندگی، تغذیه آبخوان، تخلیه آبخوان و سطح آب زیرزمینی در ماه قبل به عنوان متغیرهای ورودی به شبکه عصبی مصنوعی انتخاب گردید. پس از شبیه سازی سطح آب زیرزمینی با استفاده از روش شبکه عصبی پس انتشار برگشتی، پیش بینی سطح آب زیرزمینی برای ۲ سال انجام گرفت. نتایج نشان داد که تغییرات ضریب همبستگی در ۶ خوشه بین ۷۱/۰ تا ۹۷/۰ و میزان تغییرات میانگین مجذور خطا بین ۱۹/۰ تا ۵۸/۰ بوده که حاکی از دقت مناسب این رویکرد جهت پیش بینی سطح آب زیرزمینی است.

تحلیل مکانی و زمانی تراز آب زیرزمینی با استفاده از رویکرد همگنی ناحیه ای با تلفیق شبکه عصبی مصنوعی (منطقه مورد مطالعه: آبخوان میاندوآب) Keywords:

آب زیرزمینی , خوشه بندی , عرض سیلهوت , شبکه عصبی مصنوعی , آبخوان میاندوآب