تحلیل و مدل سازی تغییرات آب های زیرزمینی با استفاده از الگوریتم های داده کاوی مکانی و زمانی و یادگیری عمیق بمنظور ارتباط سنجی آن با مخاطره فرونشست
محل انتشار: فصلنامه آمایش فضا و ژئوماتیک، دوره: 28، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 32 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HSMSP-28-2_002
تاریخ نمایه سازی: 17 دی 1403
چکیده مقاله:
در مناطق خشک و نیمه خشک، کمبود آب های سطحی منجر به برداشت بی رویه از آب های زیرزمینی و کاهش شدید سطح آب شده که در بسیاری از دشت های ایران به پدیده فرونشست زمین انجامیده است. درک تغییرات سطح آب زیرزمینی برای مدیریت بهینه منابع آبی و کاهش مخاطرات مرتبط اهمیت زیادی دارد. روش های مختلف آماری، ریاضی و یادگیری ماشین برای مدل سازی این تغییرات استفاده شده اند. اخیرا، شبکه های عصبی عمیق به ویژه برای تحلیل رفتار پیچیده آب های زیرزمینی، به دلیل ماهیت زمانی-مکانی آن ها، مورد توجه قرار گرفته اند. در این تحقیق، از مدل ترکیبی Wavelet-Principal Component Analysis (PCA) برای تحلیل داده های ۴۴ چاه پیزومتری دشت قهاوند طی دوره ۳۰ ساله (۱۳۶۷-۱۳۹۷) استفاده شده است. این مدل، الگوهای زمانی و مکانی تغییرات سطح آب زیرزمینی را در مقیاس های مختلف زمانی استخراج کرده و سپس مولفه های اصلی به دست آمده از Wavelet-PCA به مدل شبکه عصبی بازگشتی Long Short Term Memory (LSTM) ارائه شدند تا سری های زمانی سطح آب پیش بینی شود. سطوح مختلف تبدیل موجک برای شناسایی روندهای کوتاه مدت و بلندمدت به کار گرفته شد. مدل LSTM با دقت R۲ = ۰.۸۵ برای گروه آموزشی و R۲ = ۰.۶۲ برای داده های آزمایشی توانست روندهای سطح آب زیرزمینی را مدل سازی کند. همچنین، داده های راداری ماهواره Sentinel-۱ بین سال های ۲۰۱۴ تا ۲۰۱۹ نشان داد که بیشینه فرونشست زمین در مناطقی با افت قابل توجه سطح آب زیرزمینی رخ داده است. همپوشانی این نقشه ها با لایه های کاربری زمین، ارتباطی معنادار بین فعالیت های کشاورزی و افت سطح آب زیرزمینی و فرونشست زمین را نشان داد.
کلیدواژه ها:
Spatiotemporal Data Mining ، Groundwater Modeling ، Land Subsidence ، Deep Learning ، Ghahavand Plain ، داده کاوی زمانی-مکانی ، مدل سازی آب های زیرزمینی ، فرونشست ، یادگیری عمیق ، دشت قهاوند
نویسندگان
جلال کرمی
Assistant Professor in Remote Sensing and GIS, Tarbiat Modares University, Tehran, Iran.
فاطمه بابایی
Msc in Remote Sensing and GIS, Tarbiat Modares University, Tehran, Iran.
پویا محمود نیا
Tarbiat Modares
محمد شریفی کیا
Associate Professor in Remote Sensing and GIS, Tarbiat Modares University, Tehran, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :