مدل سازي زماني و مكاني سطح آب زيرزميني دشتستان بوشهر با استفاده از هوش مصنوعي و زمين آمار

مقدمه و هدف: يكي از اقدامات اساسي براي رسيدن به مديريت بهينه منابع آب، مدل سازي و پيش بيني سطح ايستابي چاه ها است. ﻛﻨﺘﺮل ﺳﻄﺢ اﻳﺴﺘﺎﺑﻰ ﺑﺎ اﺳﺘﻔﺎده از ﭼﺎه ﻫﺎي ﻣﺸﺎﻫﺪه اي، ﻣﻨﺒﻊ اﺻﻠﻰ اﻃﻼﻋﺎت ﺟﻬﺖ ﺑﺮرﺳﻰ ﺗﻨﺶﻫﺎي ﻫﻴﺪروﻟﻮژﻳﻜﻰ ﻣﺤﺴﻮب ﻣﻰﺷﻮد. ﺑﺎ اﺳﺘﻔﺎده از داده ﻫﺎي روزاﻧﻪ و ﻣﺎﻫﺎﻧﻪ ﭼﺎهﻫﺎ ﻣﻰﺗﻮان ﻧﻮﺳﺎﻧﺎت ﺳﻄﺢ آب را ﺑﺮرﺳﻰ ﻧﻤﻮد و اﻳﻦ ﺑﺮرﺳﻰ ﻫﺎ ﺑﻪ ﻣﻨﻈﻮر درك رﻓﺘﺎر ﻣﻨﺎﺑﻊ آب زﻳﺮزﻣﻴﻨﻰ در دراز ﻣﺪت و اﺧﺬ ﻫﺮ ﮔﻮﻧﻪ ﺗﺼﻤﻴﻢ ﻣﺪﻳﺮﻳﺘﻰ ﻻزم ﻣﻰﺑﺎﺷﺪ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻫﻤﻴﺖ ﭘﻴﺶﺑﻴﻨﻰ ﺗﺮاز آب زﻳﺮزﻣﻴﻨﻰ، ﻳﺎﻓﺘﻦ روﺷﻰ ﻣﻨﺎﺳﺐ در اﻳﻦ ﺧﺼﻮص داراي اﻫﻤﻴﺖ ﻣﻰﺑﺎﺷﺪ. در ﺳﺎلﻫﺎي اﺧﻴﺮ ﻛﺎرﺑﺮد ﺳﺎﻣﺎﻧﻪﻫﺎي ﻫﻮﺷﻤﻨﺪ ﺑﺮاي ﭘﻴﺶ ﺑﻴﻨﻰ ﺗﺮاز آب زﻳﺮزﻣﻴﻨﻰ ﺑﻪ ﺳﺮﻋﺖ رو ﺑﻪ اﻓﺰاﻳﺶ اﺳﺖ ﻛﻪ دﻟﻴﻞ اﻳﻦ اﻣﺮ ﺑﻪ آﺳﺎﻧﻰ ﻛﺎرﺑﺮد و دﻗﺖ ﺑﺎﻻي اﻳﻦ ﻣﺪل ﻫﺎ در ﺗﻘﺮﻳﺐ ﻣﻌﺎدﻟﻪﻫﺎي ﻏﻴﺮﺧﻄﻰ و ﭘﻴﭽﻴﺪه رﻳﺎﺿﻰ مي باشد. ﻫﺪف از اﻳﻦ ﭘﮋوﻫﺶ ﭘﻴﺶﺑﻴﻨﻲ ﺳﻄﺢ اﻳﺴﺘﺎﺑﻲ آب زﻳﺮزﻣﻴﻨﻲ دشتستان بوشهر ﺑﻪ ﻛﻤﻚ ﻣﺪلﻫﺎي ﺷﺒﻜﻪ ﻋﺼﺒﻰ ﻣﺼﻨﻮﻋﻰ، ﻣﺪل ماشين بردار پشتيبان و درخت تصميم ﻣﻲﺑﺎﺷﺪ. مواد و روش ها: در اﻳﻦ ﺗﺤﻘﻴﻖ از ﻣﺪلﻫﺎي ﺷﺒﻜﻪ ﻋﺼﺒﻰ ﻣﺼﻨﻮﻋﻰ، ﻣﺪل ماشين بردار پشتيبان و درخت تصميم ﺑﺮاي ﺗﺨﻤﻴﻦ ﺗﺮاز آب زﻳﺮزﻣﻴﻨﻰ دﺷﺖ دشتستان اﺳﺘﻔﺎده شد. همچنين از روش زمين آمار براي بررسي تغييرات مكاني آب زيرزميني استفاده شد. دادهﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده ﺷﺎﻣﻞ ﺗﺮاز ماهانه ﺳﻄﺢ اﻳﺴﺘﺎﺑﻰ 50 حلقه چاه موجود در آبخوان دشت ﻃﻰ ﻳﻚ دوره آﻣﺎري ده ساله از سال 1388 ﺗﺎ 1397 بود. ﺑﺮاي ﺑﺮرﺳﻰ ﻧﺘﺎﻳﺞ ﻣﺪل هاي ﻣﺬﻛﻮر از ﻣﻌﻴﺎرﻫﺎي ارزﻳﺎﺑﻰ ﻣﺠﺬور ﻣﻴﺎﻧﻴﮕﻦ ﻣﺮﺑﻌﺎت ﺧﻄﺎ، ميانگين مطلق خطا و ﺿﺮﻳﺐ تبيين R2 اﺳﺘﻔﺎده ﺷﺪ. يافته ها: نتايج نشان داد هر سه روش دقت بالايي در شبيه سازي تراز سطح ايستابي داشتند. روش شبكه عصبي مصنوعي با داشتن R2 بالاتري (0/993)، كمترين مجذور ميانگين خطا (0/29) و كمترين ميانگين مطلق خطا (0/024) به عنوان روش برتر براي پيش بيني سطح ايستابي انتخاب شد. پهنه بندي با روش كريجينگ نشان داد كه سطح آب زيرزميني در بيشتر نقاط دشت در دوره مطالعه افت داشته است. حداكثر اين افت معادل 10 متر بود. نتيجه گيري: نتايج مدل سازي روش ها و نتايج آماره هاي ارزيابي مدل، نشان دهنده عملكرد خوب مدل ها در برآورد سطح ايستابي آب زيرزميني است اما با توجه به مقايسه ضريب تبيين مدل ها در اين تحقيق نشان داده شد كه روش شبكه عصبي مصنوعي دقت بالاتري در پراكنش داده هاي موجود دارد و مقادير محاسبه شده نسبت به مقادير مشاهداتي مدل شبكه عصبي مصنوعي نسبت به دو مدل ديگر، اختلاف كمتري داشتند. در مجموع نتايج تحقيق نشان داد كه روش شبكه عصبي مصنوعي داراي دقت بالاتري در تخمين ميزان تراز آب زيرزميني مي باشد.