شبیه‌سازی سطح آب زیرزمینی آبخوان دشت اراک با استفاده از مدل modflow و شبکه عصبی مصنوعی مبتنی بر روش دسته‌بندی گروهی داده‌ها (gmdh)

هدف: هدف این مطالعه شبیه‌سازی نوسانات سطح آب زیرزمینی دشت اراک با استفاده از مدل modflow و شبکه عصبی gmdh استفاده شد.  روش پژوهش: در این تحقیق ابتدا مدل ناپایدار modflow برای یک دوره هشت‌ساله (فروردین 1385 الی اسفند 1393)با گام زمانی ماهانه واسنجی گردید. سپس این مدل برای یک دوره دو ساله (فروردین 1393 الی اسفند 1395) صحت سنجی شد. در این حالت مقدار شاخص های r2، nse و rmse برای مدل ناپایدار به ترتیب 0.9081، 0.7390 و 0.9226  بودند درحالی‌که مقدار این شاخص ها برای مرحله صحت سنجی به ترتیب 0.6783، 0.8948، و 0.9721  بودند. در گام بعدی از مدل gmdh  برای شبیه‌سازی نوسانات سطح آب زیرزمینی  استفاده شد. در این حالت از 80 درصد داده ها برای اموزش مدل gmdh و از  20 درصد داده‌های  باقیمانده برای تست مدل gmdh استفاده شد. مقدار شاخص؜های r2، nse و rmse برای مرحله اموزش شبکه به ترتیب برابر 0.9319، 0.9192 و 0.2285  و برای مرحله تست نیز برابر0.9817، 0.9865 و 0.2542 محاسبه شدند.  یافته‌ها: بر اساس نتایج این مطالعه با وجود اینکه هر دو مدل از کارایی مناسبی برای شبیه‌سازی نوسانات سطح آب زیرزمین برخوردار هستند؛ اما نوسانات سطح آب زیرزمینی با استفاده از  gmdh نسبت به مدل  modflow نوسانات سطح آب زیرزمینی را بادقت بیشتری می؜تواند شبیه‌سازی شدند. اما با استفاده از مدل nodflow راحت‌تر می‌توان تجزیه‌وتحلیل‌های هیدروژئولوژیکی انجام داد.  نتیجه‌گیری: زمانی که هدف از مدل‌سازی صرفاً شبیه‌سازی سطح آب زیرزمینی است مدل gmdh مناسب‌تر است اما رمانی که هدف اصلی از شبیه‌سازی بررسی شرایط هیدروژئولوژیکی است مدل modflow مناسب‌تر است.

simulation of the groundwater level of arak aquifer using modflow model and artificial neural network based on group data classification method (gmdh)

objective: the aim of this study is to simulate the fluctuations of the groundwater level of the arak plain using modflow model and gmdh neural network. method: in this paper, modflow transient model is calibrated for an eight-year period (april 2006 to march 2014) with a monthly time step. then, this model is validated for a two-year period (april 2014 to march 2016). the values of r2, nse, and rmse indices for the transient model are 0.9081, 0.7390, and 0.9226, respectively, while the values of these indices for the validation stage are 0.6783, 0.8948, and 0.9721, respectively. in the next step, the gmdh model is used to simulate the fluctuations of the groundwater level. in this case, 80% of the data are used for training the gmdh model and 20% of the remaining for testing the gmdh model. the values of r2, nse and rmse indices are calculated as 0.9319, 0.9192 and 0.2285 for the network training stage and 0.9817, 0.9865 and 0.2542 for the testing stage. results: according to the results of this study, even though both models have good efficiency for simulating groundwater level fluctuations, groundwater level fluctuations can be simulated more accurately using gmdh than modflow model. but using the modflow model, hydrogeological analyzes can be done more easily. conclusions: the results of this study show that when the purpose of modeling is only to simulate the groundwater level, the gmdh model is more suitable, but when the main purpose of the simulation is to investigate the hydrogeological conditions, the modflow model is more suitable.