بررسي عملكرد مدل مفهومي مادفلو و فرا مدل شبيه‌ساز بيان ژن در مدل‌سازي هيدروگراف معرف آبخوان (مطالعه موردي: دشت لور-انديمشك)

studying the Performance of the Modflow Conceptual Model, and Meta Simulator Model of Gene Expression in Hydrograph Modeling of Aquifer Case Study: Lour_Andimeshk Plain

براي اعمال مديريت صحيح، نياز به شناسايي و به مدل درآوردن سطح آب زيرزميني جهت برنامه­ريزي‌هاي بلندمدت و استفاده بيشتر و بهتر از پتانسيل‌هاي آبي موجود در دشت‌ها، عميقاً احساس مي‌شود. در اين مطالعه از اطلاعات آماري ماهانه سطح پيزومتر‌ها براي 5 سال آبي (89-88 تا 93-92) مربوط به سطح ايستابي 8 پيزومتر آبخوان دشت لور-انديمشك، استفاده شد. در ابتدا با استفاده از روش تيسن، ميانگين وزني هر پيزومتر محاسبه شد و بدين طريق سري زماني تراز آب زيرزميني دشت كه بيانگر هيدروگراف معرف آبخوان منطقه مورد مطالعه است، به دست آمد. سپس با استفاده از مدل مفهومي آب زيرزميني مادفلو و فرا مدل شبيه‌ساز بيان ژن، هيدروگراف معرف آبخوان مدل‌سازي شد و نتايج با هم مقايسه گرديد. نتايج نشان داد كه مدل مفهومي مادفلو با ضريب تبيين 0/7836 در مرحله تست نسبت به فرا مدل شبيه‌ساز بيان ژن با ضريب تبيين 0/739 با اختلاف بسيار جزئي داراي عملكرد بهتري مي‌باشد.

In order to apply a proper management, it is necessary to identify the groundwater level in the plains for a long-term planning and use the potentials in the water plains more efficiently. In this study, the monthly statistical information for the 5 water years (1388-1289 to 1392-1393) related to the water levels of 8 piezometer in the Lour-Andimeshk plain aquifer was used. At first using the tiessen method, the average weight of each piezometer was obtained and the time series of the major plain, which represented the hydrograph of the aquifer of the study area, was calculated. Then using, the conceptual groundwater model of Modflow and the simulator Meta model of the gene expression, the hydrograph of the aquifer unit was modeled and the results were compared. The results showed that the conceptual model of Modflow with an explanation coefficient of 0.7836 in the testing phase compared to the transmutation of gene expression with an explanation coefficient of 0.739 with a very slight difference has a better performance.