ارزیابی اثر تدوین سناریوهای مدیریتی در دقت پیش‌بینی سطح ایستابی با استفاده از مدل ترکیبی موجک-رگرسیون بردار پشتیبان (wsvr)

به دلیل محدود بودن منابع آب سطحی در بسیاری از کشور‌های خشک جهان، منابع آب زیرزمینی به عنوان اصلی‌ترین منبع تامین نیازهای آبی شناخته می‌شوند. برداشت بی‌رویه از این منابع در سال‌های اخیر، اهمیت پیش‌بینی قابل اطمینان سطح آب‌های زیرزمینی را به منظور اعمال مدیریت بهینه این منابع، افزایش می‌دهد. هدف از پژوهش حاضر، تعیین بهترین سناریوی ترکیب داده‌های ورودی در پیش‌بینی سطح آب زیرزمینی دشت همدان بهار با بکارگیری از مدل ترکیبی موجک رگرسیون بردار پشتیبان (wsvr) می‌باشد. جهت این امر، ابتدا داده‌های ماهیانه بارش، دما، تبخیر و سطح ایستابی هفده چاه مشاهده‌ای در طول مدت بیست و شش سال (-1396 1370) تهیه و تکمیل گردید. به منظور انتخاب داده‌های ورودی مدل و میزان تاخیر آنها، نه سناریو با ترکیب و تاخیرهای متفاوت تعریف شد. با استفاده از پارامتر‌های آماری ضریب همبستگی پیرسون (r)، خطای استاندارد (se) و جذر میانگین مربعات خطا (rmse) ارزیابی مدل شبیه سازی شده در هر سناریو صورت پذیرفت و با برترین سناریو، پیش‌بینی سطح آب زیرزمینی منطقه برای ده سال آتی انجام شد. بر اساس نتایج حاصله، سناریویی که شامل هر چهار پارامتر ورودی، هریک با یک و دو تاخیر، می‌شد، دارای بالاترین دقت بود. همچنین نتایج پیش‌بینی شده با سناریوی برتر، حاکی از یک روند نزولی قابل توجه در سطح آب زیرزمینی منطقه طی سال‌های آتی بود. لذا باتوجه به حساسیت ویژه این دشت در تامین آب شرب، کشاورزی و صنعت شهرهای همدان و بهار و لزوم برداشت آب بیشتر در سال‌های آینده، تصمیم‌گیری برای مدیریت مطلوب‌تر آب زیرزمینی این منطقه، امری الزامی خواهد بود.

evaluating the effect of definingmanagement scenarios in w ater table predictionaccuracy using wavelet support vector regression (wsvr)

due to surface water limitations, groundwater reservoirs are known as the main source of supplying water requirements in most arid countries. recently, owing to these aquifers’ over exploitation, in order to apply optimal management of these resources, reliable water table forecasting exceeded in importance. this study is aimed to determine the best scenario for combining input data in hamedan bahar plain water table forecasting using the wavelet support vector regression (wsvr) hybrid model. in the first step, rainfall, temperature, evaporation, and the groundwater level data of seventeen piezometers in 26 years (1991 2017) were collected and completed. nine scenarios with different lags and combinations were considered to select the model inputs and their lag numbers. modeling performance in each scenario was evaluated using statistical parameters such as the pearson correlation coefficient (r), standard error (se), and root mean square error (rmse), and using the best scenario, the water table of the area was predicted for ten years ahead. based on the obtained results, the scenario in which each of the four input parameters was used, with one and two lags, had the highest accuracy. additionally, the predicted results, using the best scenario, illustrated a noticeable downward trend in the water table of the region in the future.  therefore, concerning the high sensibility of this plain because of supplying the water demands in drinking water, agriculture, and industry of hamedan and bahar, as well as the necessity of more water harvesting in the future, deciding more favorable groundwater management is highly imperative in this area.