پيش‌بيني و مدل‌سازي زماني تراز آب زيرزميني ماهانه در قسمت مياني دشت گرگان

Prediction and temporal modeling of monthly groundwater level in the middle part of Gorgan Plain

از آنجا كه ﺁﺏﻫﺎي ﺯﻳﺮﺯميني يكي از ﺍﺭﺯﺷﻤﻨﺪﺗﺮﻳﻦ ﻣﻨﺎﺑﻊ ﺁﺏ در كشور ايران ﺑﻪﺷﻤﺎﺭ ﻣﻲﺭﻭﻧﺪ، پيش بيني تغييرات آن ﺑﻪ ﻣﻨﻈﻮﺭ ﺑﻬﺮﻩﺑﺮﺩﺍﺭي ﺑﻬﻴﻨﻪ ﺑﺎ ﻫﺪﻑ ﺗﻮﺳﻌﻪ ﭘﺎﻳﺪﺍﺭ بسيار ﺿﺮﻭﺭﺕ است. در اين پژوهش آمار ماهانه تراز آب زيرزميني در چاه هاي مشاهده اي نظام آباد و سه راه آق‌قايه1 واقع در قسمت هاي مياني دشت گرگان براي دوره آماري 16 ساله (1400-1385) انتخاب شد. از آنجا كه مقادير تراز آب زيرزميني ماهانه وابسته به زمان هستند، در ابتدا اين داده ها به صورت سري زماني مرتب شد. سپس با ترسيم توابع خودهمبستگي و خودهمبستگي جزئي علاوه بر تشخيص درجه مدل، معني داري ضريب خودهمبستگي مدل و قابليت مدل SARIMA بررسي شد. در مدل برازش شده SARIMA مقدار p-value محاسباتي بزرگ تر از 05/0 بدست آمده است (p-value =0.621, 0.407)، لذا فرض مناسب بودن مدل پذيرفته مي شود. سپس مقادير سطح آب زيرزميني براي 12 ماه آينده توسط مدل SARIMA پيش‌بيني و با مقادير واقعي اندازه‌گيري شده در چاه‌ها مقايسه شد. نتايج نشان داد كه مدل SARIMA در تشخيص روندها و تغييرات داده ها براي هر دو چاه خوب عملكرد مناسبي داشته است. بر اساس شاخص استاندارد RMSE مشخص شد مدل SARIMA در پيش بيني تراز آب زيرزميني ماهانه براي چاه نظام آباد (RMSE=0.1461m) دقت بالاتري نسبت به چاه سه‌راه آق‌قايه1 (RMSE=0.3721m) داشته است. با اين وجود، مدل SARIMA در پيش بيني تراز آب زيرزميني براي اكثر ماه ها بيش برآوردي داشته است.

Since, groundwater is one of the most valuable water resources in Iran, it is very necessary to predict its changes in order to use it optimally with the aim of sustainable development. In this research, monthly groundwater level data in the Nezam-Abad and 3rah-Aqgayeh1 observation wells located in the middle part of Gorgan Plain were selected for a period of 16 years (2006-2021). Since, monthly groundwater level data are time-dependent, these data were first arranged as time series. Then, by drawing the autocorrelation and partial autocorrelation functions, in addition to determining the degree of the model, were investigated the significance of the model autocorrelation coefficient and the capability of the SARIMA model. In SARIMA s fitted model, the calculated p-value greater than 0.05 was obtained (p-value = 0.621, 0.407), therefore, the assumption of the appropriateness of the model is accepted. Then the groundwater level values for the next 12 months were predicted by the SARIMA model and compared with the actual values measured in the wells. The results showed that the SARIMA model performed well in detecting trends and data changes for both wells. Based on the standard RMSE index, it was found that the SARIMA model has a higher accuracy in predicting the monthly groundwater level for the Nezam-Abad well (RMSE=0.1461m) than the 3rah-Aqqaye1 well (RMSE=0.3721m). However, the SARIMA model has overestimated the groundwater level for most of the months.