پیش ‏بینی تغییرات سطح آب زیرزمینی دامنه شمالی سهند با کاربرد روش‌های سامانه استنتاج فازی– عصبی، سری‌های زمانی و رگرسیونی

برداشت و بهره‏برداری مداوم و بی‌رویه از منابع آب زیرزمینی در دامنه شمالی سهند از سال 1362 موجب افت بیش از 14 متر از سطح آب گردیده است. بنابراین بهره‌برداری بهینه و پایدار از منابع آب زیرزمینی در این آبخوان یک‌ ضرورت مدیریتی است و لازمه آن الگوبندی کمی مصرف، تحلیل روند بهره‌برداری و آینده‏پژوهی وضعیت آن است. این پژوهش با هدف تحلیل و آینده‏پژوهی افت سطح آب زیرزمینی دامنه شمالی سهند در دوره آماری 50 ساله با کاربرد روش‌های سری‌های زمانی، رگرسیونی و سامانه استنتاج فازی– عصبی انجام گردید. برای الگوبندی، آزمون و آینده‏پژوهی افت سطح آب زیرزمینی دامنه شمالی سهند از روش‏های متعدد سری‌های زمانی، دو روش رگرسیونی و سامانه استنتاج فازی– عصبی استفاده گردید. الگوبندی، آزمون و آینده‏پژوهی افت سطح آب زیرزمینی برای 50 سال صورت گرفت که 35 سال (از سال 1362 تا 1397) برای مراحل الگوبندی و آزمون و 15 سال (از 1398 تا 1412) برای آینده‏پژوهی استفاده گردید. نتایج نشان داد دقیق‏ترین روش برای تحلیل و آینده‏پژوهی افت سطح آب زیرزمینی دامنه شمالی سهند، روش سامانه استنتاج فازی – عصبی بود. در طول 35 سال گذشته سطح آب زیرزمینی بیش از 14 متر و به طور میانگین هر سال حدود 40 سانتی‌‌متر افت داشته است. با فرض ادامه یافتن شرایط موجود بهره‏برداری از منابع آب زیرزمینی، میانگین افت تجمعی سطح آب زیرزمینی، در سال 1412 برابر 20.03 متر خواهد بود. برای صیانت از منابع آب زیرزمینی در منطقه، سناریو و شرایط مختلف صرفه‏جویی در مصرف آب پیش‏بینی و پیشنهاد گردید.

Prediction of Variations of Groundwater Levels for the North of Sahand with Neural-Fuzzy Inference System, Time Series and Regression

Unsustainable application of groundwater in the north of Sahand (East Azarbaijan, Iran) caused a decline more than 14m in water level from 1983 (1362) by now. Therefore, the optimum and sustainable utilization of this resource is a management necessity which is depending on modeling, trend analysis and future study of its how application. The present study was conducted with the aim of groundwater level analysis in the north of Sahand with time series, regression and neuralfuzzy inference system methods. The modeling, test and future studying were made for 50 years which 35 years (from 1983 to 2018) were applied to model and test; and 15 years (from 2019 to 2033) were applied to future study. Results showed that based on indices of performance evaluations, neuralfuzzy inference system produced more precise than other methods to analyze groundwater levels. The groundwater level declined more than 14m with an annually of 40cm and its will be 20.03m in 2034 with current conditions of applications of groundwater. Some conservational scenarios are recommended to improve consumption patterns for groundwater resource in this plain.