برآورد پارامترهای آبخوان به روش مدل سازی معکوس با استفاده از اطلاعات پیشین

برآورد منابع آب زیرزمینی موضوع مهمی است که باید به شکلی جامع تر به آن نگریسته شود. جهت برآورد دقیق منابع آب زیرزمینی مقادیر پارامترهای آبخوان نظیر انتقال پذیری، آبدهی ویژه و ضریب تغذیه ناشی از بارندگی باید به طور دقیق مشخص باشند. این پارامترها را می توان با استفاده از مدل سازی معکوس برآورد کرد. در هر مسئله معکوس موضوعات کلیدی که باید مورد توجه قرار گیرند عبارتند از همگرایی، یکتایی، پایداری و تشخیص پذیری. در این تحقیق، یک مدل برآورد پارامتر توسعه یافته است که انتقال پذیری، آبدهی ویژه و ضریب تغذیه ناشی از بارندگی را به طور همزمان برای یک سیستم آبخوان منطقه ای برآورد می کند. در این مدل، آبخوان به چند منطقه تقسیم شده و پارامترهای مربوط به هر منطقه با استفاده از داده های نوسانات سطح آب برآورد می شوند. مدل فعلی از یک معیار خطای خروجی استفاده می کند که در آن هدف کمینه سازی خطای مجموع مربعات وزنی بین تغییرات محاسباتی و مشاهداتی سطح آب بر اساس گام های زمانی فصلی است. به منظور کمینه سازی از الگوریتم گاوس نیوتن استفاده شده است؛ این روش نیازمند محاسبه مشتقات مرتبه اول است که در مدل حاضر روش اختلال پارامتر بدین منظور به کار گرفته شده است. این مدل همچنین عدم قطعیت پارامترها را با استفاده از ماتریس کوواریانس پارامتر برآورد می کند. در این تحقیق، یک سیستم آبخوان فرضی مصنوعی در نظر گرفته شده که در آن ۲۰ پارامتر به طور همزمان در دو حالت با احتساب و بدون احتساب اطلاعات پیشین درباره پارامترها برآورد شده اند. نتایج این مطالعه نشان می دهد که در صورت استفاده از اطلاعات پیشین پارامترها به مراتب بهتر برآورد می شوند.

کلیدواژه ها:

مدل سازی معکوس ، اطلاعات پیشین ، منطقه بندی ، خطای برآورد ، عدم قطعیت پارامتر