مقایسه مدل عددی، روش های هوشمند عصبی و زمین آمار در تخمین سطح آب زیرزمینی

مدل سازی به عنوان روشی کارآمد با کم­ترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم می نماید. هدف این تحقیق مقایسه مدل عددی، روش­های هوشمند عصبی و زمین آمار در مدل سازی تغییرات سطح آب زیرزمینی می باشد. بدین منظور اطلاعات آبخوان دشت همدان – بهار به عنوان یکی از مهم ترین منابع تامین آب منطقه، مورد مطالعه قرار گرفت. در این پژوهش از کد عددی MODFLOW در نرم­افزار GMS، شبکه عصبی مصنوعی و روش عصبی - فازی در نرم افزار NeuroSolution، روش عصبی – موجک در نرم­افزار MATLAB و روش زمین آمار در نرم افزار ArcGIS استفاده گردید. مقایسه نتایج نشان داد که دقت روش های محاسبه سطح آب زیرزمینی برحسب کم­ترین آماره مجذور میانگین مربعات خطای نرمال (NRMSE)، به ترتیب به روش عصبی - موجک، عصبی – فازی، زمین آمار، شبکه عصبی مصنوعی و مدل عددی تعلق داشت. به طوری که مقدار آماره NRMSE در روش عصبی - موجک به عنوان روش بهینه، برابر ۰/۱۱درصد و در روش مدل عددی برابر ۲/۲ درصد بدست آمد. مقدار ضریب همسبتگی روش های فوق به ترتیب ۰/۹۹۸و ۰/۹۰۴بود. بنابراین می توان کاربرد روش­ های ترکیبی هوشمند عصبی به ویژه نظریه موجک را در محاسبه سطح آب زیرزمینی مناسب تر از روش زمین آمار و مدل عددی دانست. ضمن آن که در روش­ های هوشمند عصبی از متغیرهای زودیافت طول و عرض جغرافیایی و ارتفاع از سطح دریا به عنوان بردار اطلاعات ورودی استفاده شد . نتایج پهنه بندی سطح آب زیرزمینی آبخوان نیز گویای روند کاهش سطح آب زیرزمینی از بخش غرب به شرق آبخوان بود که همسو با گرادیان هیدرولیکی می باشد.  

کلیدواژه ها:

Numerical Model ، CANFIS ، Wavelet-ANN ، GeoStatistical ، Groundwater Table ، مدل عددی ، عصبی – موجک ، عصبی - فازی ، زمین آمار ، سطح آب زیرزمینی.