پديد آورندگان :
بهرامي، مهدي دانشگاه فسا - دانشكده كشاورزي , زينعلي، معصومه دانشگاه رازي كرمانشاه - دانشكده كشاورزي , گلابي، محمدرضا دانشگاه شهيد چمران - دانشكده مهندسي علوم آب
كليدواژه :
رگرسيون خطي چندمتغيره , فر امدل شبيه ساز بيان ژن , فر امدل شبيه ساز عصبي فازي , هيدروگراف معرف آبخوان
چكيده فارسي :
با توجه به كاهش نزولات جوي و خشكسالي سال‌هاي اخير و در نتيجه كمبود آب در پهنه وسيعي از كشور و افزايش ميزان تقاضا براي مصارف مختلف، مديريت منابع آب‌هاي سطحي و زيرزميني از اهميت و حساسيت بسيار زيادي برخوردار است. آب‌هاي زيرزميني در بسياري از كشورها از جمله ايران، يكي از منابع اصلي تأمين آب براي مصارف شرب، صنعت و كشاورزي مي‌باشد. استفاده از اين منبع همواره به عنوان گزينه‌اي در كنار آب‌هاي سطحي مطرح بوده است، البته در بسياري از كشورهاي خشك جهان از جمله ايران اصلي‌ترين منبع تامين آب، ذخاير آب زيرزميني است. اكثر مطالعات انجام شده مربوط به پيش‌بيني در زمينه آب‌هاي زيرزميني مربوط به پيش‌بيني سطح ايستابي است و كمتر به هيدروگراف معرف آبخوان توجه شده است. لذا هدف از اين مطالعه در ابتدا مدل سازي هيدروگراف معرف آبخوان با استفاده از فرا مدل شبيه ساز عصبي-فازي است و سپس مقايسه نتيجه با مدل سازي به روش فرا مدل شبيه ساز بيان ژن است كه هردو مدل براي اولين بار در اين مطالعه براي اين هدف مورد استفاده قرار گرفته است و سوال اساسي اين تحقيق اين است، آيا مدل‌هاي بر مبناي عملكرد فازي، كه در اكثر مطالعاتي كه كمبود داده و اطلاعات داريم جواب نسبتا قابل قبولي مي‌دهند، مي‌توانند در اين مطالعه موردي نيز عملكرد بهتري نسبت به فرامدل شبيه ساز بيان ژن، كه در اكثر مطالعات اخير عملكرد خوبي از خود نشان داده است، داشته باشد.
محدوده مطالعاتي، دشت لور- انديمشك، قسمتي از دشت دزفول-انديمشك است. در منطقه‌ي دشت لور - انديمشك، 8 حلقه پيزومتر كه پراكنش نسبتاً خوبي در منطقه دارد، شبكه‌ي پيزومتري دشت را تشكيل مي‌دهد. براي انجام اين مطالعه با استفاده از مختصات جغرافيايي هرپيزومتر و اطلاعات آماري ماهانه مربوط به سطح 8 پيزومترآبخوان دشت لور-انديمشك، براي 5 سال آبي (89-88 تا 93-92) و با استفاده از روش تسين در محيط GIS، ميانگين وزني هر پيزومتر بدست آمد و سري زماني تراز آب زيرزميني دشت كه بيانگر هيدروگراف معرف آبخوان منطقه مورد مطالعه است، محاسبه گرديد . سپس با استفاده از فرا مدل شبيه ساز عصبي-فازي و فرا مدل شبيه ساز بيان ژن هيدروگراف معرف آبخوان مدل سازي شد و نتايج با هم مقايسه گرديد.
با مقايسه فرامدل شبيه ساز عصبي- فازي و فرامدل شبيه ساز بيان ژن مشاهده مي‌شود كه در مرحله آموزش ضريب تبيين فرامدل شبيه ساز عصبي- فازي از ضريب تبيين فرامدل شبيه ساز بيان ژن بيشتر مي‌باشد. ولي در مرحله تست ضريب تبيين فرامدل شبيه ساز بيان ژن از ضريب تبيين فرامدل شبيه ساز عصبي- فازي بيشتر مي‌باشد. از طرفي با توجه به پارامتر جذر ميانگين مربعات خطا، مشاهده مي‌شود كه فرامدل شبيه ساز عصبي- فازي داراي جذر ميانگين مربعات خطاي كمتري در مرحله تست بوده است. بر اساس معيار OI كه هرچه مقادير به يك نزديك‌تر باشد مدل عملكرد بهتري دارد، مشاهده مي‌شود كه فرامدل شبيه ساز بيان ژن با اختلاف كمي داراي معيار OI بيشتري نسبت به فرامدل شبيه ساز عصبي-فازي بوده است و مي‌توان با مشاهده مقادير جدول به اين نتيجه رسيد كه عملكرد فرا مدل شبيه‌ساز بيان ژن بهتر از فرامدل شبيه ساز عصبي-فازي است و در شرايط كمبود داده و اطلاعات براي مدل سازي هيدروگراف معرف آبخوان با استفاده از مدل‌هاي مفهومي همچون مادفلو، فرامدل شبيه ساز بيان ژن مي‌تواند جايگزين مناسبي باشد.
چكيده لاتين :
Underground water mapping is an effective tool for managing and protecting these resources, in order to apply a proper management to long-term planning and to better utilize the potential of the water in the plains. In this study, the monthly statistical data of the surface of piezometers for 5 years blue (89-88 to 93-92) related to the 8-pisometer level of the Lower-Andimeshk plain aquifer. At the beginning, using the Tesine method, the weighted average of each piezometer was obtained and the time series of the groundwater level of the plain, which represents the hydrograph of the representative water column of the study area, was calculated. Then, by using the neuro-fuzzy simulator and meta-model of the gene expression simulator, the hydrograph represents the modeling aquifer and the results were compared. The results showed that the meta-model of gene expression simulator with a coefficient of explanation of 7390.0 at the test stage was better than the neuro-fuzzy simulator model with a coefficient of explanation of 0.6348.Underground water mapping is an effective tool for managing and protecting these resources, in order to apply a proper management to long-term planning and to better utilize the potential of the water in the plains. In this study, the monthly statistical data of the surface of piezometers for 5 years blue (89-88 to 93-92) related to the 8-pisometer level of the Lower-Andimeshk plain aquifer. At the beginning, using the Tesine method, the weighted average of each piezometer was obtained and the time series of the groundwater level of the plain, which represents the hydrograph of the representative water column of the study area, was calculated. Then, by using the neuro-fuzzy simulator and meta-model of the gene expression simulator, the hydrograph represents the modeling aquifer and the results were compared. The results showed that the meta-model of gene expression simulator with a coefficient of explanation of 7390.0 at the test stage was better than the neuro-fuzzy simulator model with a coefficient of explanation of 0.6348.Underground water mapping is an effective tool for managing and protecting these resources, in order to apply a proper management to long-term planning and to better utilize the potential of the water in the plains. In this study, the monthly statistical data of the surface of piezometers for 5 years blue (89-88 to 93-92) related to the 8-pisometer level of the Lower-Andimeshk plain aquifer. At the beginning, using the Tesine method, the weighted average of each piezometer was obtained and the time series of the groundwater level of the plain, which represents the hydrograph of the representative water column of the study area, was calculated. Then, by using the neuro-fuzzy simulator and meta-model of the gene expression simulator, the hydrograph represents the modeling aquifer and the results were compared.
