بررسی روند نوسانات مکانی-زمانی سطح ایستابی آب های زیرزمینی به روش ماشین بردارپشتیبان(SVM) و کریجینگ(kriging) (مطالعه موردی دشت سیلاخور)

از آنجا که منابع آب زیرزمینی از منابع آبی مهم و همچنین رو به کاهش می باشد مطالعه و مدل سازی مناسب برای بهره برداری از آن حایز اهمیت است. ارزیابی و پیش بینی تراز آب زیرزمینی به پیش بینی منابع آب زیرزمینی کمک می کند. امروزه استفاده از روش های هوش مصنوعی بر پایه تئوری داده کاوی برای پیش بینی نوسانات سطح ایستابی استفاده می شود. در این میان روش ماشین بردارپشتیبان در بین روش های هوش مصنوعی و روش کریجینگ در بین روش های زمین آماری دارای دقت قابل ملاحظه-ای به ترتیب در پیش بینی زمانی و مکانی تراز سطح ایستابی می باشد. در این پژوهش از مدل ترکیبی ماشین بردار پشتیبان و کریجینگ به عنوان روشی نوین برای پیش بینی زمانی و مکانی نوسانات سطح ایستابی در محدوده دشت سیلاخور استفاده شده است. در مرحله اول، مدل سازی زمانی با استفاده از مدل ماشین بردار پشتیبان از داده های 11 چاه پیزومتری موجود در منطقه به روش ماشین بردار پشتیبان صورت پذیرفت و در مرحله دوم برای پیش بینی مکانی از داده های ماهانه خروجی مرحله اول به عنوان ورودی مدل زمین آمار استفاده گردید. داده های 11 چاه مشاهداتی در دشت سیلاخور پس از جمع آوری در بازه ده ساله اخیر در دو حالت نرمال و غیرنرمال به عنوان ورودی مدل SVM مورد استفاده قرار گرفتند. با استفاده از نرم افزار Matlab الگوریتم تابع ماشین بردارپشتیبان بگونه ای تنظیم شد که در هر مرحله داده های یک چاه به عنوان ورودی این مدل باشد. تراز آب در این روش برای زمان 1+t پیش بینی خواهد شد. پیش بینی مکانی داده ها در نرم افزازArcGIS و در بخش Geostatical Analys به روش کریجینگ مدلسازی گردید. برای ترازیابی در این بخش، جدول(1) به عنوان ورودی مورد استفاده قرار می گیرد. مطلق بودن تخمین در درونیابی و مکانیابی از ویژگی های عمده مدل کریجینگ می باشد. بدین مفهوم که مقدار تخمین کمیت در نقاط نمونه برداری با مقدار اندازه گیری شده برابر می باشد و واریانس تخمین صفر می گردد. این ویژگی سبب می گردد که تخمین گر کریجینگ در رسم خطوط همتراز از حداکثر نقاط نمونه برداری عبور نموده و تمایلی به بسته شدن و دور زدن را نداشته باشد و از مرز محدوده مورد مطالعه فراتر رود. در واقع این مدل برای تخمین نقاط مجهول مقدار واریانس را به حداقل می رساند. بنابراین منحنی های میزان بر اساس روندیابی ترسیم می گردند و در نتیجه از مرز محدوده ترسیم فراتر می روند. نتایج به دست آمده از پژوهش بیانگر آن است که این مدل ترکیبی می تواند به طور موفقیت آمیزی برای پیش بینی نوسانات سطح ایستابی مورد استفاده قرار گیرند. در بهترین حالت اجرای مدل، بالاترین ضریب تبیین برای چاه های چغادون(96/0=DC)، کارخانه قند(94/0=DC) و ولیان(93/0=DC) محاسبه شد که نشان دهنده دقت مناسب مدل ترکیبی در پیش بینی تراز آب زیرزمینی می باشد.