ارزيابي عدم‌قطعيت ناشي از پيچيدگي مدل در مدل‌سازي آب زيرزميني

Investigation of uncertainty due to model complexity in groundwater modeling

از جمله عواملي كه منجر به ايجاد عدم قطعيت در مدل رياضي جريان آب زيرزميني مي‌شود، عدم قطعيت ناشي از پيچيدگي مدل مفهومي است كه از افزايش پارامترهاي مدل ناشي مي‌شود.در نظر گرفتن پيچيدگي در مدل­ سازي آب‌هاي زيرزميني مي‌تواند به انتخاب يك مدل بهينه كمك كرده و از ايجاد اين نوع عدم قطعيت و نتيجه‌گيري‌هاي گمراه‌كننده جلوگيري كند. هدف اين پژوهش، بررسي عدم­ قطعيت پيچيدگي مدل رياضي آبخوان نجف‌آباد است . در اين راستا شش مدل مفهومي با پنج درجه متفاوت از پيچيدگي با تعداد پارامترهاي مدل واسنجي­ شده (4­، 16­، 20­، 22­، 26 و 26 پارامتر) با داده‌هاي مشاهداتي يكسان در آبخوان نجف­ آباد واقع در استان اصفهان در حالت پايدار و براي سال 98-97 توسعه يافتند و براي ارزيابي احتمال مدل ­ها از روش معيارهاي انتخاب مدل (AIC ،­AICC­، BIC و KIC) استفاده شد. نتايج نشان داد كه مدل شماره يك با چهار پارامتر كه ساده ­ترين مدل است به‌عنوان بهترين مدل انتخاب شد و كمترين عدم ­قطعيت را دارد. اما مدل­ هاي 5 و 6 كه پيچيده ­ترين مدل ­ها هستند، بيشترين عدم ­قطعيت و كمترين ميزان اعتماد را دارند. بنابراين مي‌توان بيان نمود كه در تعريف مدل مفهومي يك آبخوان، تعيين تعداد بهينه پارامتر منجر به كاهش عدم قطعيت مدل رياضي خواهد شد.

One of the factors that lead to uncertainty in the mathematical model of groundwater flow is the uncertainty due to the complexity of the conceptual model that results from the increase of model parameters. Considering complexity in groundwater modeling can aid in selecting an optimal model, and can avoidmodel uncertainty and misleading conclusions. The purpose of this study is to investigate the uncertainty of the complexity of the mathematical model of the Najafabad aquifer. In this regard, six conceptual models with five different degrees of complexity with the number of calibrated model parameters (4, 16, 20, 22, 26, and 26 parameters) with the same observational data in Najafabad aquifer located in Isfahan province in a steady-state and for the year 2018-2019 were developed and model selection criteria (AIC, AICC, BIC, and KIC) were used to evaluate the probability of models. The results showed that model#1 with four parameters, which is the simplest model, was selected as the best model and has the least uncertainty. But models 5 and 6, which are the most complex models, have the most uncertainty and the least level of confidence. Therefore, it can be said that in defining the conceptual model of an aquifer, determining the optimal number of parameters will decrease the uncertainty of the mathematical model.