ارزیابی کارایی روش های شبکه عصبی مصنوعی و رگرسیون چند متغیره در بررسی افت سطح آبخوان های کشور (مطالعه آبخوان دشت اراک)
در سال های اخیر، منابع آب زیرزمینی دشت اراک تحت تنش شدید قرار گرفته است، به طوری که در بعضی مناطق به علت خشک شدن چاه های بهره برداری، برای دسترسی به آب اقدام به افزایش عمق چاه کرده اند. در بعضی مناطق، سطح آب زیرزمینی بالاست که در آینده، زهدار شدن آن اراضی را در پی خواهد داشت. برای ساماندهی و سنجش واکنش منابع آب زیرزمینی دشت اراک در مقابل اعمال سناریوهای مختلف مدیریتی و اجرایی از مدل سازی منطقه ای استفاده شد. هدف این مطالعه، بررسی عوامل موثر در عمق سفره های آب زیرزمینی به منظور ارایه مدل منطقه ای با روش رگرسیون چند متغییره برای آبخوان دشت اراک بود. بدین منظور عمق متوسط سفره های آب زیر زمینی در دشت اراک، به عنوان متغییر وابسته و عوامل هدایت آبی تشکیلات آبخوان، ارتفاع، متوسط بارش منطقه، میزان تبخیر و فاصله از منابع آبی به عنوان متغیرهای مستقل در نظر گرفته شد و در محیط نرم افزار SPSS تجزیه رگرسیونی به منظور ارایه یک مدل خطی انجام گرفت. در مرحله بعد مدل ارایه شده با بکارگیری در مکان هایی که از آمار و اطلاعات آن برای ارایه مدل استفاده نشده بود، مورد ارزیابی و کارایی آن مورد بررسی قرار گرفت و در نهایت با بکارگیری این مدل در محیط GIS نقشه عمق سفره آب زیرزمینی برای منطقه مورد مطالعه تهیه شد. همچنین از شبکه عصبی مصنوعی ANN برای شبیه سازی عمق آب زیرزمینی استفاده گردید. عملکرد شبکه عصبی از طریق پارامترهایی چون خطای جذر میانگین مربعات (RMSE) و ضریب همبستگی بین خروجی های حقیقی و دلخواه (R) سنجیده شد. نتایج حاصل از هر دو روش نشان داد که عوامل نوع قابلیت انتقال تشکیلات آبخوان، افت سفره، توپوگرافی (ارتفاع محل چاه در سطح حوضه آبخیز)، مقادیر بهره برداری در حداکثر شعاع عمل چاه و فاصله از منابع آب از عوامل اصلی افت آب زیرزمینی می باشند اما کارایی شبکه عصبی مصنوعی در برآورد افت آب زیرزمینی بیشتر از روش رگرسیون چند متغیره است.
- 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.