پديد آورندگان :
نوذري ، حامد دانشگاه بوعلي سينا - دانشكده كشاورزي - گروه علوم و مهندسي آب , صدق نژاد ، ناديا دانشگاه بوعلي سينا - دانشكده كشاورزي - گروه علوم و مهندسي آب , پويان فر ، سجاد دانشگاه بوعلي سينا - دانشكده كشاورزي - گروه علوم و مهندسي آب
كليدواژه :
هوش مصنوعي , مدل ماشين بردار پشتيبان (SVM) , الگوريتم تبريد شبيهسازي (SA) , ARIMA , SARIMA
چكيده فارسي :
زمينه و هدف: ذخاير آب زيرزميني از مهمترين منابع قابل دسترس آب شيرين در جهان محسوب ميشوند. امروزه با توجه به تغييرات آب و هوا، تغيير اقليم، افزايش جمعيت و برداشتهاي بيرويه از آبهاي زيرزميني، اين منابع با كاهش قابل توجهي مواجه شده است. با توجه به اينكه ايران در منطقه خشك و نيمهخشك واقع شده است، در بسياري از مناطق سطح آب زيرزميني دستخوش تغييرات بسياري قرار گرفته است. سطح آب زيرزميني نيز در منطقه دشت همدان-بهار با كاهش قابل توجهي مواجه شده است. از اين رو پيشبيني مقادير سطح آب زيرزميني در دشت همدان-بهار و مديريت عوامل موثر در كاهش آن از اهداف اساسي اين پژوهش ميباشد. روش پژوهش: در گام نخست، در اين پژوهش سعي شد به كمك مدل تلفيقي ماشين بردار پشتيبان با الگوريتم تبريد شبيهسازي (SVM-SA) سطح آب زيرزميني با استفاده از مقادير بارش 4 ايستگاه سينوپتيك آقكهريز، سد اكباتان، كوشك آباد و مريانج برآورد گرديد و عدم قطعيت مدل SVM-SA نيز مورد تجزيه و تحليل قرار گرفت. در گام بعد، مقادير بارش 4 ايستگاه سينوپتيك مذكور به مدت 5 سال بصورت ماهانه و سالانه به كمك مدلهاي ميانگين متحرك يكپارچه خودهمبسته فصلي (SARIMA) و ميانگين متحرك يكپارچه خودهمبسته (ARIMA) مورد پيشبيني قرار گرفت و در نهايت با استفاده از مقادير بارش پيشبيني شده، سطح آب زيرزميني با استفاده از مدل SVM-SA به مدت 5 سال بهصورت ماهانه و سالانه مورد پيشبيني قرار گرفت. يافتهها: مقادير برآورد سطح آب زيرميني به كمك مدل SVM-SA با استفاده از شاخصهاي ضريب تبيين (R2)، جذر ميانگين مربعات خطا (RMSE) و ضريب نش ساتكليف (NSE) مورد بررسي قرار گرفت. نتايج نشان داد كه عملكرد مدل در پيشبيني سطح آب زيرزميني در دورههاي سالانه و ماهانه مناسب بوده و اختلاف معني داري در نتايج پيشبيني ماهانه و سالانه وجود ندارد. اما مدل SVM-SA با ضريب نش ساتكليف 0.993، جذر ميانگين خطاي استاندارد 0.417 و ضريب تبيين 0.993 در دوره واسنجي در برآورد ماهانه سطح آب زيرزميني كمي دقت بالاتري داشته است. در گام بعد جهت دستيابي به بهترين مرتبه مدل SARIMA و ARIMA جهت پيشبيني مقادير بارش ماهانه و سالانه از شاخصهاي آماري ضريب تبيين (R2)، جذر ميانگين مربعات خطا (RMSE)، ميانگين خطاي استاندارد (SE) و سنجش نيكويي برازش (AIC) استفاده شد. در نهايت با استفاده از مرتبههاي مدلهاي منتخب با توجه به شاخصهاي ارزيابي براي دورههاي ماهانه و سالانه براي استگاههاي آقكهريز بهترتيب SARIMA(3,0,1)*(1,0,1) و ARIMA(3,0,2)، ايستگاه سد اكباتان بهترتيب SARIMA(1,0,1)*(1,1,2) و ARIMA(3,1,3)، براي ايستگاه كوشك آباد بهترتيب SARIMA(1,1,3)*(1,1,1) و ARIMA(2,0,3) و براي ايستگاه مريانج بهترتيب SARIMA(1,0,1)*(1,1,2) و ARIMA(3,0,2)، مقادير بارش براي 5 سال بصورت ماهانه و سالانه مورد پيشبيني قرار گرفت. در نهايت با استفاده از مقادير بارش پيشبيني شده به كمك مدلهاي SARIMA و ARIMA، سطح اب زيرزميني با استفاده از مدل SVM-SA بصورت ماهانه و سالانه براي 5 سال آينده مورد پيشبيني قرار گرفت. نتيجهگيري: از نتايج مهم اين مطالعه ميتوان به اين نكته اشاره كرد كه رابطه معنيداري بين كاهش بارش و افت شديد آبهاي زيرزميني در دشت همدان-بهار وجود ندارد. در واقع نتايج اين پژوهش حاكي از آن است كه افت شديد سطح آب زيرزميني در سالهاي اخير ناشي از برداشت بيرويه از اين منابع ارزشمند ميباشد.