ارزيابي عملكرد مدل هاي مبتني بر تجزيه داده و داده هاي ماهواره گريس براي مدل سازي سطح آب زيرزميني (مطالعه موردي: آبخوان آسپاس)

سابقه و هدف: برداشت بي رويه از آب‌هاي زيرزميني باعث شده است كه در سال‌هاي اخير بيشتر سفره‌هاي آب زيرزميني ايران با افت سطح آب مواجه شوند. اين موضوع باعث شده است كه استفاده از بيشتر سفره‌هاي آب زيرزميني ممنوع شود، اكثر قنات‌ها خشك شده‌ و اغلب چشمه‌هاي دائمي كاهش قابل‌توجهي در آبدهي خود داشته‌اند. لذا بررسي وضعيت سطح آب زيرزميني بيش از پيش بايد مورد توجه قرار گيرد. روش‌ها و ابزارهاي مختلفي براي بررسي اين موضوع مورد استفاده قرار گرفته‌اند. در بيشتر اين مطالعات از مدل-هاي هوش مصنوعي استفاده شده است. در بين اين مدل‌هاي هوشمند، مدل رگرسيون بردار پشتيبان (SVR) عملكرد خوبي داشته‌اند. در جهت بهبود عملكرد اين مدل‌ها، در سال‌هاي اخير استفاده از ابزارهاي پيش پردازش و تشكيل مدل‌هاي تركيبي مورد توجه قرار گرفته است. يكي از اين ابزارها، تجزيه مد تجربي يكپارچه كامل (CEEMD) است. در اين تحقيق از تركيب اين ابزار با مدل رگرسيون بردار پشتيبان براي بررسي سطح آب زيرزميني در آبخوان آسپاس استفاده شد. سپس نتايج آنها با نتايج ماهواره ثقل سنجي گريس (GRACE) مقايسه شد. مواد و روش‌ها: زيرحوضه آسپاس با كد 4321 در شمال غربي حوضه طشك بختگان و مهارلو در استان فارس قرار دارد. براي بررسي سطح آب زيرزميني در اين زيرحوضه، از مدل ماشين بردار رگرسيوني با 4 كرنل (هسته) شامل: كرنل‌هاي چند جمله‌اي (Poly)، RBF، سيگمويد و خطي (Lin) استفاده شد. سپس با استفاده از ابزار پيش پردازش CEEMD و تركيب آن با مدل هوشمند رگرسيون بردار پشتيبان يك مدل تركيبي حاصل شد. هنگامي كه يك سيگنال اوليه با استفاده از روش CEEMD تجزيه شود و سيگنال هاي فرعي حاصل به عنوان ورودي به مدل هوشمند رگرسيون بردار پشتيبان استفاده شود، مدل تركيبي CEEMD-SVR حاصل مي‌شود. براي مقايسه عملكرد مدل‌هاي هوش مصنوعي از داده‌هاي ماهواره‌اي استفاده شد. براي اين منظور از محصولات ماهواره گريس با 6 الگوريتم مختلف استفاده شد. براي بررسي كارايي روش‌ها از معيارهاي ارزيابي ضريب تعيين (R2)، ريشه ميانگين مربعات خطا (RMSE) و معيار اطلاعات آكائيك (AIC) استفاده شد.يافته‌ها: نتايج نشان داد كه مدل‌هاي هوشمند داراي عملكرد بهتري نسبت به محصولات ماهواره گريس بوده‌اند. لذا جهت پيش‌بيني مقادير سطح آب زيرزميني استفاده از مدل‌هاي هوشمند به خصوص مدل CEEMD-SVR مناسب‌تر مي‌باشد. يكي از مزيت‌هاي داده-هاي ماهواره‌اي اين است كه به صورت به روز شده در دسترس قرار مي‌گيرند در صورتي كه بتوان بر مبناي يك روش مناسب مقادير داده‌هاي ماهواره‌اي را به مقادير مشاهداتي نزديك نمود مي‌توان به صورت به روز شده داده‌هاي سطح آب زيرزميني را برآورد نمود.نتيجه گيري: در اين مطالعه از مدل رگرسيون بردار پشتيبان براي ارزيابي تغييرات سطح آب زيرزميني در سفره آبرفتي آسپاس واقع در حوضه طشك- بختگان- مهارلو استفاده شد. با استفاده از چاه‌هاي مشاهده‌اي در منطقه، هيدروگراف آب زيرزميني آبخوان ترسم شد. تغييرات سطح آب زيرزميني در سفره با استفاده از مقادير بارش، دما، پارامترهاي تبخير به‌دست‌آمده از ترسيم نقشه‌هاي مختلف و سطح آب زيرزميني در سفره برآورد شد. ابزار پيش پردازش CEEMD استفاده شد. نتايج نشان داد كه استفاده از CEEMD عملكرد مدل رگرسيون بردار پشتيبان را تا 3.08 درصد بهبود بخشيده است. مقايسه نتايج الگوريتم‌هاي پردازشي نشان داد كه الگوريتم پردازش GFZ با ضريب تعيين 0.71 و مقدار RMSE ، 39.15 بهترين عملكرد را داشت. در مرحله بعد، عملكرد مدل CEEMD-SVR با الگوريتم GFZ مقايسه شد. نتايج نشان داد كه مدل CEEMD-SVR عملكرد بهتري داشته (با ضريب تعيين 0.77 و مقدار خطاي 25.90) و قابليت استفاده براي مدل‌سازي و پيش‌بيني سطح آب زيرزميني در ساير سفره‌هاي آب زيرزميني به‌ويژه آبخوان آسپاس را دارد.