پیش‌بینی و مدل‌سازی زمانی تراز آب زیرزمینی ماهانه در قسمت میانی دشت گرگان

از آنجا که ﺁﺏﻫﺎی ﺯﻳﺮﺯمینی یکی از ﺍﺭﺯﺷﻤﻨﺪﺗﺮﻳﻦ ﻣﻨﺎﺑﻊ ﺁﺏ در کشور ایران ﺑﻪﺷﻤﺎﺭ ﻣﻲﺭﻭﻧﺪ، پیش بینی تغییرات آن ﺑﻪ ﻣﻨﻈﻮﺭ ﺑﻬﺮﻩﺑﺮﺩﺍﺭی ﺑﻬﻴﻨﻪ ﺑﺎ ﻫﺪﻑ ﺗﻮﺳﻌﻪ ﭘﺎﻳﺪﺍﺭ بسیار ﺿﺮﻭﺭﺕ است. در این پژوهش آمار ماهانه تراز آب زیرزمینی در چاه های مشاهده ای نظام آباد و سه راه آق‌قایه1 واقع در قسمت های میانی دشت گرگان برای دوره آماری 16 ساله (1400-1385) انتخاب شد. از آنجا که مقادیر تراز آب زیرزمینی ماهانه وابسته به زمان هستند، در ابتدا این داده ها به صورت سری زمانی مرتب شد. سپس با ترسیم توابع خودهمبستگی و خودهمبستگی جزئی علاوه بر تشخیص درجه مدل، معنی داری ضریب خودهمبستگی مدل و قابلیت مدل sarima بررسی شد. در مدل برازش شده sarima مقدار p-value محاسباتی بزرگ تر از 05/0 بدست آمده است (p-value =0.621, 0.407)، لذا فرض مناسب بودن مدل پذیرفته می شود. سپس مقادیر سطح آب زیرزمینی برای 12 ماه آینده توسط مدل sarima پیش‌بینی و با مقادیر واقعی اندازه‌گیری شده در چاه‌ها مقایسه شد. نتایج نشان داد که مدل sarima در تشخیص روندها و تغییرات داده ها برای هر دو چاه خوب عملکرد مناسبی داشته است. بر اساس شاخص استاندارد rmse مشخص شد مدل sarima در پیش بینی تراز آب زیرزمینی ماهانه برای چاه نظام آباد (rmse=0.1461m) دقت بالاتری نسبت به چاه سه‌راه آق‌قایه1 (rmse=0.3721m) داشته است. با این وجود، مدل sarima در پیش بینی تراز آب زیرزمینی برای اکثر ماه ها بیش برآوردی داشته است.

prediction and temporal modeling of monthly groundwater level in the middle part of gorgan plain

since, groundwater is one of the most valuable water resources in iran, it is very necessary to predict its changes in order to use it optimally with the aim of sustainable development. in this research, monthly groundwater level data in the nezam-abad and 3rah-aqgayeh1 observation wells located in the middle part of gorgan plain were selected for a period of 16 years (2006-2021). since, monthly groundwater level data are time-dependent, these data were first arranged as time series. then, by drawing the autocorrelation and partial autocorrelation functions, in addition to determining the degree of the model, were investigated the significance of the model autocorrelation coefficient and the capability of the sarima model. in sarima's fitted model, the calculated p-value greater than 0.05 was obtained (p-value = 0.621, 0.407), therefore, the assumption of the appropriateness of the model is accepted. then the groundwater level values for the next 12 months were predicted by the sarima model and compared with the actual values measured in the wells. the results showed that the sarima model performed well in detecting trends and data changes for both wells. based on the standard rmse index, it was found that the sarima model has a higher accuracy in predicting the monthly groundwater level for the nezam-abad well (rmse=0.1461m) than the 3rah-aqqaye1 well (rmse=0.3721m). however, the sarima model has overestimated the groundwater level for most of the months.