مدل سازی خوشه‌ای تراز آب زیرزمینی دشت تبریز با استفاده از مدل آریما

مطالعه تغییرات زمانی و مکانی، و تخمین نوسانات تراز آب‌های زیرزمینی در مطالعات و برنامه‌ریزی مدیریت منابع آب جهت استمرار و یا توسعه بهره‌برداری آن از اهمیت بسیاری برخوردار است. تاکنون مدل‌های مختلفی برای تخمین پارامتر تراز آب زیرزمینی مورد استفاده قرار گرفته است، در این بین مدل‌های تصادفی غالباً در زمینه‌ی مطالعه پارامترهای هیدرولوژیکی به وفور بکار گرفته شده‌اند. نمونه‌ی پرکاربرد از مدل‌های تصادفی در بررسی سری‌های زمانی، مدل‌ خود همبسته یکپارچه میانگین متحرک(arima) می‌باشد که اساس این مدل‌ها بر پایه زنجیره مارکف بنا نهاده شده است. در مطالعات گذشته معمولاً یک یا چند چاه با استفاده از مدل‌های تصادفی مورد مطالعه قرار گرفته است ولی در تحقیق حاضر برای بررسی تغییرات زمانی و مکانی تراز آب‌های زیرزمینی دشت تبریز در مقیاس ماهانه، ‌46 ایستگاه انتخاب شده است. در محدوده مورد مطالعه بین مقادیر سطح آب زیرزمینی چاه های مشاهداتی نزدیک به همدیگر همبستگی بیشتری نسبت به سایر چاه ها وجود دارد، در نتیجه به منظور جلوگیری از بررسی اثرات نوسانات چاه‌های نزدیک به همدیگر، در ابتدا کل ایستگاه‌ها با استفاده از فرآیند خوشه‌بندی به 7 بخش تقسیم شده و مطالعه مکانی بر روی چاه‌های منتخب واقع در هر کدام از این بخش‌ها انجام گرفته شده است. نتایج حاکی از آنست که خوشه های اول،سوم و هفتم بخاطر وجود داده‌های پرت دقت قابل قبولی در شبیه سازی را نداشتند و چهار خوشه دیگر از دقت خوبی برخوردار بودند. همچنین خوشه دوم و اول به ترتیب بهترین و بدترین مد‌‌ل‌سازی را با دارا بودن بالاترین ضریب تعیین و کمترین ریشه میانگین مربعات خطا داشته اند. استفاده از مدل آریما بر روی ایستگاه‌های مختلف موجود در سطح حوضه تبریز نشان داد، دقت مدل زمانی کاهش می‌یابد که سری‌های مورد بررسی با نوسان‌های بیش از حد و همراه با روند در میانگین و واریانس باشند که منجر به ناایستایی سری می‌گردد.

Cluster Modeling of Groundwater Level of Tabriz Plain Using ARIMA Model

The study of temporal and spatial variations and the estimation of groundwater fluctuations in researching and planning water resources management are important for continuation or development of exploitation.So far, various models have been used to estimate the groundwater level parameter. Stochastic models have been used more than the other models for hydrological studies. The most common stochastic model is autoregressive integrated moving average model (ARIMA). This model is based on the Markov chain theory.In previous studies, one or a few wells have been studied using stochastic models but in this research, 46 selected stations with the monthly data of the Tabriz catchment were used to analyze temporal and spatial variations of groundwater level.In this case study, there was a good correlation between the values of the groundwater level of wells near each other than the other wells, thus to avoid the effects of closed wells fluctuations, at first the whole stations are divided into seven sections using the clustering process, thenspatial studies done just for selected station in every section. The results indicate that the first, third and seventh clusters didn’t have acceptable accuracy in simulation due to the throw data and four other clusters had good accuracy. Also, the second and first clusters had the best and worst modeling with maximum RSquare and minimum RMSE, respectively.The use of the Arima model on various stations in the Tabriz catchment area revealed that the accuracy of the model is reduced when the time series have more fluctuations with trends in the mean and variance that lead to unsteady series.