|
|
|
|
ارزیابی مدل‌های استوکستیکی در پیش‌بینی سطح آب زیرزمینی دشت همدان بهار
|
|
|
|
|
|
|
|
نویسنده
|
نوذری حامد ,صدق نژاد نادیا ,پویان فر سجاد
|
|
منبع
|
حفاظت منابع آب و خاك - 1403 - دوره : 14 - شماره : 4 - صفحه:31 -44
|
|
چکیده
|
زمینه و هدف: ذخایر آب زیرزمینی از مهم‌ترین منابع قابل دسترس آب شیرین در جهان محسوب می‌شوند. امروزه با توجه به تغییرات آب و هوا، تغییر اقلیم، افزایش جمعیت و برداشت‌های بی‌رویه از آب‌های زیرزمینی، این منابع با کاهش قابل توجهی مواجه شده است. با توجه به اینکه ایران در منطقه خشک و نیمه‌خشک واقع شده است، در بسیاری از مناطق سطح آب زیرزمینی دستخوش تغییرات بسیاری قرار گرفته است. سطح آب زیرزمینی نیز در منطقه دشت همدان-بهار با کاهش قابل توجهی مواجه شده است. از این رو پیش‌بینی مقادیر سطح آب زیرزمینی در دشت همدان-بهار و مدیریت عوامل موثر در کاهش آن از اهداف اساسی این پژوهش می‌باشد.روش پژوهش: در گام نخست، در این پژوهش سعی شد به کمک مدل تلفیقی ماشین بردار پشتیبان با الگوریتم تبرید شبیه‌سازی (svm-sa) سطح آب زیرزمینی با استفاده از مقادیر بارش 4 ایستگاه سینوپتیک آق‌کهریز، سد اکباتان، کوشک آباد و مریانج برآورد گردید و عدم قطعیت مدل svm-sa نیز مورد تجزیه و تحلیل قرار گرفت. در گام بعد، مقادیر بارش 4 ایستگاه سینوپتیک مذکور به مدت 5 سال بصورت ماهانه و سالانه به کمک مدل‌های میانگین متحرک یکپارچه خودهمبسته فصلی (sarima) و میانگین متحرک یکپارچه خودهمبسته (arima) مورد پیش‌بینی قرار گرفت و در نهایت با استفاده از مقادیر بارش پیش‌بینی شده، سطح آب زیرزمینی با استفاده از مدل svm-sa به مدت 5 سال به‌صورت ماهانه و سالانه مورد پیش‌بینی قرار گرفت.یافته‌ها: مقادیر برآورد سطح آب زیرمینی به کمک مدل svm-sa با استفاده از شاخص‌های ضریب تبیین (r2)، جذر میانگین مربعات خطا (rmse) و ضریب نش ساتکلیف (nse) مورد بررسی قرار گرفت. نتایج نشان داد که عملکرد مدل در پیش‌بینی سطح آب زیرزمینی در دوره‌های سالانه و ماهانه مناسب بوده و اختلاف معنی داری در نتایج پیش‌بینی ماهانه و سالانه وجود ندارد. اما مدل svm-sa با ضریب نش ساتکلیف 0.993، جذر میانگین خطای استاندارد 0.417 و ضریب تبیین 0.993 در دوره واسنجی در برآورد ماهانه سطح آب زیرزمینی کمی دقت بالاتری داشته است. در گام بعد جهت دستیابی به بهترین مرتبه مدل sarima و arima جهت پیش‌بینی مقادیر بارش ماهانه و سالانه از شاخص‌های آماری ضریب تبیین (r2)، جذر میانگین مربعات خطا (rmse)، میانگین خطای استاندارد (se) و سنجش نیکویی برازش (aic) استفاده شد. در نهایت با استفاده از مرتبه‌های مدل‌های منتخب با توجه به شاخص‌های ارزیابی برای دوره‌های ماهانه و سالانه برای استگاه‌های آق‌کهریز به‌ترتیب sarima(3,0,1)*(1,0,1) و arima(3,0,2)، ایستگاه سد اکباتان به‌ترتیب sarima(1,0,1)*(1,1,2) و arima(3,1,3)، برای ایستگاه کوشک آباد به‌ترتیب sarima(1,1,3)*(1,1,1) و arima(2,0,3) و برای ایستگاه مریانج به‌ترتیب sarima(1,0,1)*(1,1,2) و arima(3,0,2)، مقادیر بارش برای 5 سال بصورت ماهانه و سالانه مورد پیش‌بینی قرار گرفت. در نهایت با استفاده از مقادیر بارش پیش‌بینی شده به کمک مدل‌های sarima و arima، سطح اب زیرزمینی با استفاده از مدل svm-sa بصورت ماهانه و سالانه برای 5 سال آینده مورد پیش‌بینی قرار گرفت. نتیجه‌گیری: از نتایج مهم این مطالعه می‌توان به این نکته اشاره کرد که رابطه معنی‌داری بین کاهش بارش و افت شدید آب‌های زیرزمینی در دشت همدان-بهار وجود ندارد. در واقع نتایج این پژوهش حاکی از آن است که افت شدید سطح آب زیرزمینی در سال‌های اخیر ناشی از برداشت بی‌رویه از این منابع ارزشمند می‌باشد.
|
|
کلیدواژه
|
هوش مصنوعی، مدل ماشین بردار پشتیبان (svm)، الگوریتم تبرید شبیه‌سازی (sa)، arima، sarima
|
|
آدرس
|
دانشگاه بوعلی سینا, دانشکده کشاورزی, گروه علوم و مهندسی آب, ایران, دانشگاه بوعلی سینا, دانشکده کشاورزی, گروه علوم و مهندسی آب, ایران, دانشگاه بوعلی سینا, دانشکده کشاورزی, گروه علوم و مهندسی آب, ایران
|
|
پست الکترونیکی
|
s.pouyanfar75@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
evaluation of stochastic models in predicting the underground water level of hamadan-bahar plain
|
|
|
|
|
Authors
|
nozari hamed ,sedghnejad nadia ,pouyanfar sajjad
|
|
Abstract
|
background and aim: groundwater sources are considered to be one of the most important available sources of fresh water in the world. today, due to the changes in weather, climate change, population increase and excessive withdrawals of underground water, these resources have faced a significant decrease. considering that iran is located in a dry and semi-arid region, the underground water level has undergone many changes in many areas. the level of underground water in hamadan-bahar plain area has also faced a significant decrease. therefore, the prediction of underground water levels in hamadan-bahar plain and the management of effective factors in its reduction are the main goals of this research. method: in the first step, in this research, it was tried to predict the underground water level with the help of support vector machine integrated model with simulated annealing algorithm (svm-sa) using the rainfall values of 4 synoptic stations of aghkahriz, ekbatan dam, kooshkabad and marianaj. the uncertainties of this model are also analyzed. in the next step, the precipitation values of the mentioned 4 synoptic stations were predicted for 5 years monthly and annually with the help of seasonal autocorrelated moving average (sarima) and autocorrelated moving average (arima) models, and finally, using the predicted rainfall values, the underground water level was predicted monthly and annually using the svm-sa model for 5 years. result: the estimated values of underground water level were analyzed with the help of svm-sa model using the indices of explanation coefficient (r2), root mean square error (rmse) and nash sutcliffe coefficient (nse). the results indicate that there is no significant difference between the performance of the model in predicting the underground water level in annual and monthly periods. but the svm-sa model with nash sutcliffe coefficient of 0.993, root mean standard error of 0.417 and explanatory coefficient of 0.993 in the calibration period has been more accurate in monthly estimation of underground water level. in the next step, in order to achieve the best sarima and arima models for predicting monthly and annual rainfall values, statistical indicators of coefficient of explanation (r2), root mean square error (rmse), mean standard error (se) and goodness of fit (aic) are used. finally, by using the ranks of the selected models according to the evaluation indices for monthly and annual periods for aghkahriz station, respectively sarima(3,0,1)*(1,0,1) and arima(3,0,2), for ekbatan dam station according to sarima(1,0,1)*(1,1,2) and arima(3,1,3), for kooshkabad station according to sarima(1,1,3)*(1,1,1) and arima(2,0,3) and for marianaj station by sarima(1,0,1)*(1,1,2) and arima(3,0,2) respectively, rainfall values for 5 years in monthly and annually forecast it placed. finally, using the forecasted rainfall values with the help of sarima and arima models, the groundwater level was forecasted monthly and annually for the next 5 years using the svm-sa model. conclusion: one of the important results of this study is the absence of a significant relationship between the decrease in rainfall and the sharp drop in groundwater in the hamedan-bahar plain. in fact, the results of this research indicate that the sharp drop in the underground water level is caused by the excessive extraction of these valuable resources.
|
|
Keywords
|
artificial intelligence ,support vector machine model (svm) ,simulated annealing (sa) ,arima ,sarima
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|