شبیه سازی روند نوسانات سطح ایستایی با استفاده از مدل عدد MODFLOW و مدل شبکه عصبی مصنوعی

به منظور مدیریت بهینه منابع آب زیرزمینی، برآورد قابل قبولی 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 ایستایی پرداخته خواهد شد. وضعیت اب زیرزمینی در دشت قزوین به دلیل برداشت های بی رویه رو به بحرانی شدن است هدف از این مطالعه، بررسی نوسانات سطح ایستایی 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 ایستایی در یک دوره آماری دراز مدت، تعیین نمود. در مدل عددی پس از واسنجی هدایت هیدرولیکی و ابدهی ویژه در دو حالت ماندگار و غیر ماندگار، صحت سنجی مدل برای مدت زمان یکسال انجام گرفت و با توجه به دقت مناسب نتایج، پیش بینی مدل برای یک دوره ی یکساله انجام گرفت. همچنین باتعریف 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 استفاده از شبکه عصبی مصنوعی حاکی از بالا بودن میزان ضریب تبیین در مرحله آموزش و تست بود. تحلیل سطح اب زیرزمینی با استفاده از مدل MODFLOW نیز پس از صحت سنجی مدل برای مدت یکسال انجام گرفت. نتایج استخراجی برای چاه های مشاهده ای مختلف در سطح آبخوان قزوین حاکی از دقت مناسب پیش بینی سطح اب زیرزمینی بود. به منظور مقایسه نتایج دو روش شبکه عصبی مصنوعی و مدل عددی MODFLOW از هیدروگراف واحد ابخوان 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. بطور کلی نتایج این تحقیق نشان داد که مدل عددی MODFLOW با توجه به در نظرگیری خصوصیات هیدرولوژیک آبخوان نتایج مناسب تری را جهت پیش بینی سطح آب زیرزمینی نسبت به روش شبکه عصبی مصنوعی ارائه می دهد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، مدل عددی MODFLOW ، سطح ایستایی ، آبخوان دشت قزوین