بررسی تاثیر تغییرات زمانی و مکانی بر طراحی شبکه پایش پیزومتری آب زیرزمینی با استفاده از آنالیز مولفه‌های اصلی (pca)

شناسایی تعداد چاه‌ها در تخمین سطح آب زیرزمینی به لحاظ کاهش هزینه نگه‎داری و صرفه‎جویی در هزینه برداشت اطلاعات، گامی مهم می‎باشد. آنالیز مولفه‏های اصلی (pca) یکی از ویژگی‎های کاهش داده می‏باشد که در شناسایی داده‏های کم اهمیت، نقش بسزایی دارد. در این پژوهش، میانگین سالانه سطح آب زیرزمینی 51 چاه بهره‏برداری دشت نیشابور با طول آماری 10 ساله (1398-1389) با استفاده از تکنیک آماری آنالیز مولفه‎های اصلی مورد بررسی قرار گرفت تا چاه‎های موثر در تعیین تراز سطح آب زیرزمینی این دشت مشخص گردد. با انجام آنالیز مولفه‎های اصلی، اهمیت نسبی هر چاه بین صفر (برای چاه غیر موثر) تا 1 (برای چاه کاملاً موثر) محاسبه شد. نتایج نشان داد که از بین 51 چاه موجود در منطقه مورد مطالعه، 27 چاه به عنوان چاه موثر و بقیه چاه‏ها به عنوان چاه‎های کم اهمیت شناخته می‎شوند. یعنی با حذف 24 حلقه چاه کم اهمیت، خطای برآورد سطح آب زیرزمینی منطقه مورد مطالعه 26 درصد نسبت به حالتی که از همه چاه‎ها استفاده می‎گردد، افزایش می‏یابد. هم‌چنین جهت در نظر گرفتن عامل زمان در تغییرات این روش در دو دوره زمانی 5 ساله انجام شد. نتایج نشان داد که در دوره زمانی 5 ساله اول (1393-1389) 42 چاه به عنوان چاه بااهمیت انتخاب شدند که در دوره زمانی 5 سال بعد (1398-1394) این تعداد به 35 چاه تقلیل پیدا کرد.

investigating the effect of temporal and spatial variations on groundwater piezometric monitoring network design using principal components analysis (pca)

identifying the number of wells in groundwater level estimation is an important step in terms of reducing the maintenance cost and saving the cost of harvesting information. principal component analysis (pca) is one of the techniques that reduces data that plays a significant role in identifying low data. in this research, the average annual groundwater level of 51 wells in neyshabour plain with a statistical period of 10 years (2010-2019) was studied using statistical analysis of the main components of the wells to determine the level of groundwater level in this plain. using pca, the relative importance of each well was calculated between 0 (for completely ineffective well) to 1 (for the very effective wells). the results showed that among the 51 wells in the studied area, 27 wells are considered as wells, and the remaining wells are considered as low-level wells. by eliminating 24 less wells, the estimated ground water level error in the studied area is 26% higher than that used for all wells. also, to take into account the factor of time, changes in this method were done in two 5-year periods. the results showed that 42 wells were selected as important well during the first 5 years period (2010-2014), which was reduced to 35 wells during the next 5 years (2015-2019).