مقايسۀ روش‌هاي سيستم استنتاج فازي- عصبي تطبيقي (ANFIS)، وزن‌دهي معكوس فاصله و زمين‌آمار در تخمين سطح ايستابي (مطالعۀ موردي: دشت دهگلان، استان كردستان)

Comparison of Adaptive Neuro-Fuzzy Inference System (ANFIS), Inverse Distance Weighting and Geostatistics Methods for Estimating the Water Table (Case Study: Dehgolan Plain, Kurdistan Province)

افت سطح ايستابي از نظر مديريتي بسيار اهميت دارد و ميتواند تأثيرات منفي مانند نشست زمين، افزايش هزينۀ برداشت و كاهش كيفيت آب زيرزميني را در پي داشته باشد. آب زيرزميني مهمترين منبع تأمين آب در دشت دهگلان بوده و برداشت زياد، سبب كاهش سطح ايستابي در اين دشت شده است. اين دشت با وسعتي حدود 780 كيلومترمربع، يكي از دشت هاي ممنوعۀ استان است و با افت سطح آبخوان نزديك به 37 متر، بين دشت هاي استان بيشترين افت را داشته است. هدف از پژوهش حاضر، مدلسازي سطح آب زيرزميني و مقايسۀ عملكرد روش سيستم استنتاج فازي- عصبي تطبيقي با روش هاي وزنده ي معكوس فاصله، كريجينگ و كوكريجينگ است. به اين منظور، از داده هاي سطح ايستابي 44 حلقه پيزومتر دشت دهگلان مربوط به شهريور 1395استفاده شده است. نتايج به‌دست‌آمده بيان مي‌كند كه رفتار بار هيدروليكي در قسمتهاي مختلف آبخوان، متفاوت است و در نتيجه به‌كارگيري صرف داده هاي مكاني بار هيدروليكي براي مدلسازي، نتايج رضايت بخشي ندارد. سطح ايستابي در دشت دهگلان، با توپوگرافي بيشترين همبستگي را دارد و سيستم استنتاج فازي- عصبي تطبيقي با به‌كارگيري پارامتر كمكي توپوگرافي داراي 07/0RMSE=، 005/0MSE=، 06/0MAE=، 04/0MBE= و 88/0=R2 بوده و نسبت به ساير روشها عملكرد بهتري داشته است.

The decline of water table is very important in from a managerial point of view and might cause negative impacts such as land subsidence, raising costs and reducing groundwater quality. Groundwater is the most important source of water supply in Dehgolan plain. Increasing water requirements and extractions, has declined water table. This plain with an area of about 780 km2 is one of the protected plains of the Kurdistan province and with decrease in water table about 37 meters, it has the most decline between the plains of the province. The purpose of this study is to model the groundwater level and compare the performance of the method of Adaptive Neuro-Fuzzy Inference System (ANFIS) with Inverse Distance Weighted (IDW), Kriging and Cokriging methods. For this purpose, in September 2016, the water table data relating to the 44 Piezometer digged in Dehgolan plain has been used for modeling. The results show that the hydraulic head behavior is different across the aquifer, so the use of spatial data (h) for modeling doesn’t lead to satisfactory outputs. The water table in Dehgolan plain has the highest correlation with topography conditions and the ANFIS with a RMSE = 0.07, MSE = 0.005, MAE = 0.06, MBE = 0.04 and = 0.88 R2, has presented better performance than other methods.