تخمین سطح آب زیرزمینی با استفاده از روش ترکیبی زمین آمار و شبکه‌های عصبی مصنوعی (مطالعه موردی: دشت شهرکرد)

زمانی احمدمحمودی, رضا; آخوندعلی, علی محمد; صمدی بروجنی, حسین; زارعی, حیدر

تخمین سطح آب زیرزمینی با استفاده از روش ترکیبی زمین آمار و شبکه‌های عصبی مصنوعی (مطالعه موردی: دشت شهرکرد)

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشجوی کارشناسی ارشد مهندسی منابع آب دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز.

² استاد گروه هیدرولوژی و منابع آب دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

³ استادیار گروه مهندسی آب دانشکده کشاورزی دانشگاه شهرکرد

⁴ استادیار گروه هیدرولوژی و منابع آب دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

چکیده

از اساسیترین موارد در مدیریت کمی منابع آب زیرزمینی تخمین سطح آب با استفاده از دادههای برداشت شده از شبکه چاههای مشاهدهای میباشد. هدف این تحقیق میانیابی سطح آبزیرزمینی با استفاده از الگوریتم ترکیبی زمین آمار و شبکههای عصبی مصنوعی میباشد و دشت شهرکرد به عنوان نمونه انتخاب شده است. بعد ازانتخاب دو ماه اسفند 1385 و شهریور 1388 به عنوان ماههای دارای به ترتیب حداکثر و حداقل سطح آب (طی دوره آماری 1388-1382) به تخمین سطح آبزیرزمینی دشت شهرکرد با استفاده از روشهای کوکریجینگ، کریجینگ و روش معین عکس فاصله پرداخته شد. پس از انتخاب روش کوکریجینگ با مدل نیمتغییرنمای گوسین با بهترین نتایج ارزیابی (54/16=MAE، 816/0R²= برای اسفند 1385 و 87/11MAE=، 854/0 R²=برای شهریور 1388)، نتایج حاصل از تخمین زمین آمار به صورت الگوریتم ترکیبی با شبکههای عصبی مصنوعی به کار گرفته شده است. دو نوع شبکه عصبی پرسپترون چندلایه (MLP) و شبکه پیشسوی (GFF) در ترکیب با روش کوکریجینگ مورد استفاده قرار گرفت و نتایج نشان داد شبکه MLP دارای اثر ترکیبی مناسبتری برای تخمین میباشد. نتایج حاصل از به کارگیری الگوریتم ترکیبی حاکی از مناسب بودن ترکیب روشهای زمین آماری با شبکههای عصبی مصنوعی میباشد (73/12=MAE، 906/0 R²=برای اسفند 1385 و 75/8=MAE، 924/0R²= برای شهریور 1388).

کلیدواژه‌ها

20.1001.1.25885952.1392.36.1.5.6

عنوان مقاله [English]

Estimation of the Groundwater Level by using Combined Geostatistics with Artificial Neural Networks (Case Study: Shahrekord Plain)

نویسندگان [English]

Reza Zamaniahmadmahmoodi ¹
Alimohamad Akhondali ²
Hossein Samadiborojeni ³
Heydar Zareei ⁴

¹ M.Sc Student, Dep. of Hydrology and Water Resources, Faculty of Water Science, Engineering Shahid Chamran University of Ahvaz, Iran.

² Professor, Dep. of Hydrology and Water Resources, Faculty of Water Science, Engineering Shahid Chamran University of Ahvaz, Iran.

³ Asistant Professor, Dep. of Water Engineering, Faculty of Agriculture, Shahrekord University, Iran.

⁴ Asistant Professor, Dep. of Hydrology and Water Resources, Faculty of Water Science, Engineering Shahid Chamran University of Ahvaz, Iran.

چکیده [English]

One of the most basical issues in groundwater resources management is the estimation of water table from observation well network data. The purpose of this study is estimate the groundwater level using the combination algorithm of the geostatistics and Artifical Neural Networks method. Shahrekord plain was selected as a case study of this work. After selected February 2007 and September 2009 as the months with the maximum and minimum groundwater level (during the studied period of 2003 to 2009), using Co Kriging, Kriging and Inverse Distance Weights, groundwater level has been estimated. The results showed that Co Kriging with semi-variogram Gousian model had the best statistical validation (R²=0.816 and MAE=16.54 for February 2007, and R²=0.854 and MAE=11.87 for September 2009). So this approach with combination Artificial Neural Networks give the best results. Also two types of Neural Networks layers, Multi Layer Perceptron (MLP) and generalized feed forward (GFF) were used with combination Kriging method. The results showed that Multi Layer Perceptron network was effective to estimate groundwater levels with statistical indicators of (R²=0.906 and MAE=12.73 for February 2007, and R²=0.924 and MAE=8.75 for September 2009).

کلیدواژه‌ها [English]