شبیه سازی تراز سطح آب زیرزمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان و مقایسه آن با شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره
امروزه برای اجرای سناریوهای مدیریتی، انتخاب راهکارهای عملی مناسب در جهت مدیریت منابع آب زیرزمینی و همچنین تعیین نرخ مناسب برداشت از آب زیرزمینی نیازمند ساخت مدل ساده شده ای از آبخوان و شبیه سازی آن می باشد. نخستین اقدام در جهت مدیریت آب زیرزمینی، شبیه سازی تراز سطح آب زیرزمینی و سپس پیش بینی آن با توجه به عوامل موثر بر تراز سطح آب زیرزمینی است. ازاین رو در تحقیق حاضر، سعی شده است از سه مدل مختلف داده مبنا جهت شبیه سازی تراز سطح آب زیرزمینی استفاده گردد، تا کارایی مدل حداقل مربعات بردار پشتیبان نسبت به مدل رگرسیونی خطی چند متغیره و شبکه عصبی مقایسه گردد. رویکرد حاضر در آبخوان امام زاده جعفر در استان کهگیلویه و بویراحمد انجام شد. بدین منظور الگوهای مختلفی با ترکیب داده های ورودی تراز سطح آب زیرزمینی در ماه قبل، بارش، دما، برداشت از آبخوان و تبخیر در ماه حاضر برای برآورد مقدار تراز سطح آب زیرزمینی در انتهای ماه بررسی تدوین گردید. طول دوره موردنظر 20 ساله شامل240 داده و در گام ماهانه از سال 1376 تا 1395 در نظر گرفته شد. از حدود 75 درصد داده ها برای آموزش مدل و 25 درصد جهت آزمون مدل ها و انتخاب الگوی برتر از بین الگوهای مختلف استفاده گردید. نتایج نشان داد که هر سه مدل بکار رفته با دقت قابل قبولی قادر به شبیه سازی تراز سطح آب زیرزمینی هستند. از بین مدل ها، مدل حداقل مربعات ماشین بردار پشتیبان با معیارهای ارزیابی RMSE، MAPE و ضریب تبیین برای بخش صحت سنجی به ترتیب برابر 61/0 متر، 069/0 و 99/0 برای الگوی با ترکیب پارامترهای تراز سطح آب زیرزمینی در انتهای ماه قبل، برداشت از آبخوان و بارندگی ماه موجود به عنوان مدل برتر انتخاب گردید درنهایت از مدل های مذکور می توان به عنوان جایگزین مدل های عددی در جهت مدیریت و پیش بینی تراز سطح آب زیرزمینی استفاده کرد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.