استفاده‌ی تلفیقی از مدل‌های ریاضی و استوکستیک در راستای بهبود نتایج مدل‌های آب زیرزمینی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار هیدرولوژی، عضو هیات علمی دانشکده علوم زمین دانشگاه شهید چمران اهواز

2 آزاد

3 استاد هیدروژئولوژی، عضو هیات علمی دانشکده علوم زمین دانشگاه شهید چمران اهواز

4 گروه زمین شناسی

چکیده

مدل‌سازی ‌آب‌زیرزمینی به عنوان راهکاری جهت کنترل و مدیریت منابع ‌آب‌زیرزمینی می‌باشد. در مدل‌های ریاضی، بارش یکی از پارامترهای اساسی در محاسبات بیلان آب‌زیرزمینی محسوب می گردد. یکی از نقاط ضعف مدل‌های ریاضی استفاده‌ی این مدل‌های از مقادیر بارش دوره‌ی کالیبراسیون برای پیش‌بینی آینده می‌باشد. در این راستا استفاده‌ی تلفیقی از مدل‌های ریاضی و استوکستیک می‌تواند اقدامی مؤثر در جهت کاهش خطای پیش‌بینی مدل‌ها ریاضی باشد. در این مطالعه مدل‌ ریاضی آبخوان میداود_دالون با استفاده از کد MODFLOW در محیط نرم‌افزار GMS کالیبره و صحت سنجی شد همچنین جهت مدل‌سازی بارش منطقه از روش باکس_جنکینز بر روی داده‌های بارش 34 ساله ایستگاه باران‌سنجی میداوود استفاده گردید. بر اساس نتایج به‌دست آمده مدل ARIMA(1,0,0)(0,1,1)12 به‌عنوان بهترین مدل جهت پیش بینی بارش انتخاب شد. به‌منظور بررسی نتایج، مدل ریاضی کالیبره شده منطقه برای 12 ماهه با دو سناریوی بارش شامل روش کلاسیک و روش تلفیقی اجرا گردید. نتایج نشان داد تلفیق مدل‌های ریاضی و استوکستیک باعث بهبود نتایج مدل های ریاضی و کاهش خطای RMSE به میزان 0/83 گردید..

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The combination of mathematical and stochastic models to improve the results of groundwater models

نویسندگان [English]

  • Seyed Yahya Mirzaee 1
  • Roghayeh Amiri 2
  • Manuchehr Chitsazan 3
  • Arash Nadri 4
1 Assistant professor of hydrology, Faculty of Geosciences, Shahid Chamran University of Ahvaz
2 Lorestan
3 Professor of hydrogeology, Faculty of Geosciences, Shahid Chamran University of Ahvaz
4 geology department
چکیده [English]

Groundwater modeling is a way to control and management of groundwater resources.‏ Precipitation is one of the most important parameters in groundwater mathematical models that play a crucial role in water balance calculation.‏ One of the weak points of mathematical models is the use of precipitation values in the calibration period for prediction of the future. To solve the problem, the combined use of mathematical and stochastic models can be effective to reduce forecast errors of mathematical models‏. In this study, the groundwater model of Maydavood_Dallan aquifer was calibrated and Validated‏ by Modflow code in the GMS software and for modeling of rainfall, the Box-Jenkins method was used for the 34 years rainfall data of Maydavood rain gauge station. Based on the results, ARIMA (1,0,0) (0,1,1)12 model was chosen as the best model for forecasting rainfall. In order to investigate the results, the calibrated mathematical model was run in two precipitation scenarios including classical method and combined method for 12‏ months. The results showed that the combination of mathematical and stochastic models improved the mathematical model and reduced RMSE error to 0.83.

کلیدواژه‌ها [English]

  • Mathematical and stochastic models
  • MODFLOW
  • Time series
  • forecast
  • ARIMA model
  • GMS
  • Maydavood_Dallan aquifer