مدلسازی فرونشست ناشی از افت سطح آب زیرزمینی به کمک یادگیری ماشین

فرونشست سطح زمین یک پدیده زیست محیطی است که به معنی نشست تدریجی سطح زمین به دلیل تراکم لایه های زیر سطح ی ناش ی از عوامل مختلف از جمله افت سطح آب زیرزمینی می باشد. در این پژوهش از تکنیک تداخل سنجی راداری ماهوارهای مبتنی بر پراکنش کنندههای پایدار به منظور مطالعه رفتار فرونشست در بازه زمانی ۲۰۰۳ الی ۲۰۰۸ در دشت شهریار واقع در جنوب غرب شهر تهران استفاده شد. به دلیل استفاده از روشپراکنش کنندههای پایدار که سع ی دارد مقدار جابجایی سطح زم ین را در نقاطی که ویژگی های پایدار بازپراکنشی در طول زمان دارد، پایش کند، امکان اندازهگیری مقدار فرونشست در دیگر نقاط به کمک این روش مقدور نبود. لذا در این پژوهش سع ی شد، با استفاده از برخ ی پارامترهای زمین شناسی و آبزمین شناس ی منطقه که در رخداد پدیده فرونشست موثر هستند، مقدار فرونشست را در نقاط مجهول به کمک یادگیری ماشین مبتنی بر جنگل تصادفی تخمین زده شود. پارامترهای مورد استفاده در مدلسازی فرونشست عبارتند از قابلیت هدایت هیدرولیکی ، ضریب ذخیره سفره، عمق سطح آب زیرزمینی ، تراز آب زیرزمینی ، افت سطح آب زیرزمینی ، فراوانی رس موجود در لایه های زیرین ، ضخامت آبرفت و ضخامت رس موجود در سفره. مدل آموزش دیده شده به کمک نقاط معلوم آموزشی ، قادر به پیش بینی مقدار فرونشست با RMSE برابر با۱.۳ میلیمتر در سال و R۲ بیش از ۹۰ درصد برروی دادههای آزمایشی بود. با توجه به بیشینه مقدار نرخ فرونشست اندازهگیری شده در این منطقه که مقداری در حدود ۲۵ سانتیمتر در سال دارد، رسیدن به دقت بهتر ازیک سانتیمتر در مدلسازی فرونشست حاکی از دقت بالای مدل دارد.

کلیدواژه ها:

فرونشست ، یادگیری ماشین ، تداخل سنجی راداری ، جنگل تصادفی ، دشت شهریار