توسعه و ترکیب مدل های زمین آمار و محاسبات نرم در برآورد توزیع مکانی سطح آب زیرزمینی

از اساسی ترین موارد در مدیریت کمی منابع آب زیرزمینی، تخمین سطح آب با استفاده از داده های برداشت شده از شبکه چاه های مشاهده ای است. هدف از این پژوهش، میان یابی سطح آب زیرزمینی با استفاده از زمین آمار و محاسبات نرم در منطقه­ای از دشت های بم نرماشیر و رحمت آباد (استان کرمان) با مساحت ۱۹۰۲۸ کیلومتر مربع به عنوان نمونه می­باشد. از روش های کریجینگ ساده و عکس فاصله وزنی و همچنین مدل های شبکه عصبی مصنوعی، سیستم استنتاج فازی-عصبی انطباقی و برنامه ریزی بیان ژن برای پیش بینی توزیع مکانی سطح آب زیرزمینی استفاده و بهترین مدل از بین مدل های هوشمند و زمین آماری انتخاب و برای نمونه برداری بیشتر در منطقه مورد مطالعه استفاده شد. بدین­منظور از اطلاعات مربوط به نمونه های حاصل از ۶۵ حلقه چاه در طول آماری سال ۱۳۸۱ تا ۱۳۹۰ استفاده شد. برای مقایسه مدل ها معیارهای آماری RMSE، R۲، AARE و MAE به­کار بسته شدند. نتایج نشان داد در بین مدل های هوشمند با ورودی طول جغرافیایی و عرض جغرافیایی، شبکه عصبی مصنوعی و در بین مدل های زمین آماری، روش عکس فاصله وزنی با داشتن کمترین RMSE (به ترتیب ۱۳۸/۷ و ۰۶۲/۱۵ متر) و  AARE(به ترتیب ۳۳ و ۴۷ درصد) و بیشترین R۲ (به ترتیب ۶۰۶/۰ و ۵۹۱/۰ ) مناسب ترین مدل جهت برآورد به ترتیب نقطه ای و ناحیه ای سطح آب زیرزمینی می باشد. در نهایت مدل هیبرید IDW-ANN جهت تخمین و پهنه بندی سطح آب زیرزمینی در آینده انتخاب شد. 

کلیدواژه ها:

توزیع مکانی ، سیستم استنتاج فازی-عصبی انطباقی ، شبکه عصبی مصنوعی ، کریجینگ ساده