ارزیابی عدم‌قطعیت ناشی از پیچیدگی مدل در مدل‌سازی آب زیرزمینی

از جمله عواملی که منجر به ایجاد عدم قطعیت در مدل ریاضی جریان آب زیرزمینی  می‌شود، عدم قطعیت ناشی از پیچیدگی مدل مفهومی است که از افزایش پارامترهای مدل ناشی می‌شود.در نظر گرفتن پیچیدگی در مدل سازی آب‌های زیرزمینی می‌تواند به انتخاب یک مدل بهینه کمک کرده و از ایجاد این نوع عدم قطعیت  و نتیجه‌گیری‌های گمراه‌کننده جلوگیری کند. هدف این پژوهش، بررسی عدم قطعیت پیچیدگی مدل ریاضی آبخوان نجف‌آباد است . در این راستا شش مدل مفهومی با پنج درجه متفاوت از پیچیدگی با تعداد پارامترهای مدل واسنجی شده (4 ، 16 ، 20 ، 22 ، 26 و 26 پارامتر) با داده‌های مشاهداتی یکسان در آبخوان نجف آباد واقع در استان اصفهان در حالت پایدار و برای سال 98-97 توسعه یافتند و برای ارزیابی احتمال مدل ها از روش معیارهای انتخاب مدل (aic ، aicc ، bic و kic) استفاده شد. نتایج نشان داد که مدل شماره یک با چهار پارامتر که ساده ترین مدل است به‌عنوان بهترین مدل انتخاب شد و کمترین عدم قطعیت را دارد. اما مدل های 5 و 6 که پیچیده ترین مدل ها هستند، بیشترین عدم قطعیت و کمترین میزان اعتماد را دارند. بنابراین می‌توان بیان نمود که در تعریف مدل مفهومی یک آبخوان، تعیین تعداد بهینه پارامتر منجر به کاهش عدم قطعیت مدل ریاضی خواهد شد.

investigation of uncertainty due to model complexity in groundwater modeling

one of the factors that lead to uncertainty in the mathematical model of groundwater flow is the uncertainty due to the complexity of the conceptual model that results from the increase of model parameters. considering complexity in groundwater modeling can aid in selecting an optimal model, and can avoidmodel uncertainty and misleading conclusions. the purpose of this study is to investigate the uncertainty of the complexity of the mathematical model of the najafabad aquifer. in this regard, six conceptual models with five different degrees of complexity with the number of calibrated model parameters (4, 16, 20, 22, 26, and 26 parameters) with the same observational data in najafabad aquifer located in isfahan province in a steady-state and for the year 2018-2019 were developed and model selection criteria (aic, aicc, bic, and kic) were used to evaluate the probability of models. the results showed that model#1 with four parameters, which is the simplest model, was selected as the best model and has the least uncertainty. but models 5 and 6, which are the most complex models, have the most uncertainty and the least level of confidence. therefore, it can be said that in defining the conceptual model of an aquifer, determining the optimal number of parameters will decrease the uncertainty of the mathematical model.