مدل سازی زمانی و مکانی سطح آب زیرزمینی دشت برازجان با استفاده از هوش مصنوعی و زمین آمار

یکی از اقدامات اساسی برای رسیدن به مدیریت بهینه منابع آب، مدل سازی و پیش بینی سطح ایستابی چاه ها است. کنترل سطح ایستابی با استفاده از چاه های مشاهده ای منبع اصلی اطلاعات جهت بررسی تنش های هیدرولوژیکی محسوب می شود. با استفاده از داده های روزانه و ماهانه چاه ها می توان نوسانات سطح آب را بررسی نمود و این بررسی ها به منظور درک رفتار منابع آب زیرزمینی در دراز مدت و اخذ هر گونه تصمیم مدیریتی لازم می باشد. از این رو در این تحقیق از مدل های شبکه عصبی مصنوعی، مدل ماشین بردار پشتیبان و درخت تصمیم برای تخمین تراز آب زیرزمینی دشت برازجان استفاده گردید. همچنین از روش زمین آمار برای بررسی تغییرات مکانی آب زیرزمینی استفاده شد. داده های مورد استفاده شامل تر از ماهانه سطح ایستابی ۵۰ حلقه چاه موجود در آبخوان دشت طی یک دوره آماری ده ساله از سال ۱۳۸۸ تا ۱۳۹۷ بود. برای بررسی نتایج مدل های مذکور از معیارهای ارزیابی مجذور میانگین مربعات خطا، میانگین مطلق خطا و ضریب تبیین R۲ استفاده شد. نتایج نشان داد هر سه روش دقت بالایی در شبیه سازی تراز سطح ایستابی داشتند. روش شبکه عصبی مصنوعی با داشتن R۲ بالاتری، (۰/۹۹۳) کمترین مجذور میانگین خطا (۰/۲۹) و کمترین میانگین مطلق خطا (۰/۰۲۴) به عنوان روش برتر برای پیش بینی سطح ایستابی انتخاب شد. پهنه بندی با روش کریجینگ نشان داد که سطح آب زیرزمینی در بیشتر نقاط دشت در دوره مطالعه افت داشته است. حداکثر این افت معادل ۱۰ متر بود. نتایج مدل سازی روش ها و نتایج آمارهای ارزیابی، مدل نشان دهنده عملکرد خوب مدل ها در برآورد سطح ایستابی آب زیرزمینی است اما با توجه به مقایسه ضریب تبیین مدل ها در این تحقیق نشان داده شد که روش شبکه عصبی مصنوعی دقت بالاتری در پراکنش داده های موجود دارد و مقادیر محاسبه شده نسبت به مقادیر مشاهداتی مدل شبکه عصبی مصنوعی نسبت به دو مدل دیگر اختلاف کمتری داشتند.

کلیدواژه ها:

دشت ، برازجان ، درخت تصمیم ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان