کاربرد مدل‌سازی سری زمانی در پیش‌بینی شدت تخلیه زهکشی زیرزمینی و نوسانات سطح ایستابی

ویژگی‌های تصادفی بودن پدیده‌های زهکشی سبب شده تا بتوان از مفاهیم متغیرهای تصادفی و سری‌های زمانی در مدل‌سازی و پیش‌بینی عملکرد آنها استفاده شود. هدف از پژوهش حاضر بررسی قابلیت مدل‌های سری زمانی در پیش‌بینی عملکرد سامانه زهکشی زیرزمینی شبکه ران بهشهر (که زهکش‌های آن به وسیله باران فعال می‌شوند) بود. در این مطالعه در ابتدا مدل drainmod واسنجی و سپس متغیرهای شدت تخلیه زهاب و عمق سطح ایستابی توسط مدل واسنجی شده شبیه‌سازی شد. سپس این اطلاعات برای توسعه و ارزیابی مدل‌های مختلف سری زمانی مورد استفاده قرار گرفت. نتایج نشان داد که مدل  armaxبا متغیرهای برونزای ارزش روزانه، بارش روزهای قبل و متوسط متغیر مورد نظر در دو روز قبل در برآورد شدت تخلیه زهاب و عمق سطح ایستابی کارآمدتر می­باشد به طوری که درصد میانگین مطلق خطا برای هر دو متغیر حدوداً هشت درصد بود. مقایسه نتایج پیش‌بینی مدل‌های برگزیده سری زمانی با نتایج شبیه‌سازی مدل واسنجی شده drainmod نشان داد کاربرد مدل‌های سری زمانی در پیش‌بینی عملکرد سامانه زهکشی مطلوب و ضریب تعیین برای شدت تخلیه زهاب و عمق سطح ایستابی به ترتیب 0/51 و 0/74 و ریشه میانگین مربعات خطا نیز برای این متغیرها به ترتیب 0/01 سانتی‌متر بر روز و 8/6 سانتی‌متر بود.

Application of time-series modeling to predict subsurface drainage discharge and water table depth

Stochastic characteristics of the drainage phenomena led to the application of random variables and time series modeling in predicting the performance of these phenomena. The aim of this study was to investigate the potential of timeseries models in predicting the performance of a subsurface drainage system. Behshahr Ran subsurface drainage system, which its drains are activated via rainfall, was considered as the study area. In this study, Drainmod model was calibrated for the study area. Then, variables of drainage discharge and water table depth were simulated via the calibrated Drainmod model. This information was used to evaluate the performance of various timeseries models. The results showed that the ARMAX model with exogenous variables including daily value, precipitation during the previous days and average desired variables in the last two days was efficient in estimating water table depth and drainage discharge. Mean absolute error for predicting both variables was about 8%. Comparison between the selected times series models and the calibrated Drainmod model results indicated the application of timeseries models in predicting the performance of the subsurface drainage system was satisfactory. The coefficients of determination were 0.51 and 0.74 for drainage discharge and water table depth, respectively. The root mean squared error for these variables were 0.01 cm/day and 8.6 cm, respectively.