مدلسازی میزان افت سفره آب زیرزمینی با بکارگیری شبکه عصبی مصنوعی (ANN) و سیستم اطلاعات جغرافیایی (GIS) در آبخوان های آبرفتی

آگاهی از نوسانات عمق سفره آب زیرزمینی و مقادیر افت سالانه برای مدیریت منابع آب ضروری است. در تحقیق حاضر، ساختارهای مختلف شبکه عصبی مصنوعی برای شبیه سازی مقادیر افت سالانه سفره آب زیرزمینی در یک آبخوان ساحلی در سواحل جنوبی دریای خزر (ایران) بکار گرفته شدند. ابتدا، مقادیر افت سالانه سفره آب زیرمینی در ۲۵۰ حلقه چاه پیزومتری در دشت مطالعاتی برآورد گردید. سپس، عوامل موثر در افت سفره آب شامل عمق سفره آب، مقادیر بارش سالانه، مقادیر تبخیر سالانه، قابلیت تشکیلات آبخوان، توپوگرافی (شیب و ارتفاع)، فاصله از دریا (موقعیت در حوضه آبخیز)، فاصله از منابع آب (رودخانه و آببندان)، تراکم جمعیتی و مقادیر بهره برداری در حداکثر شعاع عمل چاه برآورد گشتند. در نهایت، ساختار های مختلف شبکه عصبی مصنوعی با بکارگیری مقادیر افت سالانه به عنوان متغییر خروجی و عوامل موثر در افت سفره به عنوان ورودی شبکه بکار گرفته شدند. شبیه سازی در سه مرحله آموزش، صحت سنجی و آزمون انجام پذیرفت. بر اساس نتایج، شبکه عصبی مدولار (MNN) دارای حداکثر کارایی در مراحل آموزش و آزمون مدلسازی مقادیر افت سفره بوده است. سپس، ورودی های شبکه بهینه اعتباریابی شده با بکارگیری سیستم اطلاعات جغرافیایی و لایه های رستری عوامل افت سفره برای هر مکان از سطح دشت مطالعاتی تهیه شدند. شبکه تست شده برای برآورد مقادیر افت سالانه در سطح دشت بکار رفت و نتایج شبیه سازی در محیط GIS بصورت نقشه افت سالانه سفره آب ارائه شد. آنالیز همپوشانی و مقایسه مقادیر مشاهداتی افت سفره در چاه های پیزومتری و مقادیر شبیه سازی شده در نقشه، دلالت بر کارایی مدلسازی بکار رفته داشته است.

Keywords:

عمق سفره آب , بهره برداری , آموزش , آزمون , GIS , دشت مازندران