ارزیابی کارایی شبکه پایش کیفی دشت خانمیرزا با استفاده از تئوری آنتروپی گسسته

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه شهرکرد

10.22034/hydro.2016.5579

چکیده

کیفیت مناسب اطلاعات ثبت‌شده در شبکه‌های پایش در طراحی و بهره برداری پایدار از پروژه‌های آبـی نقش مهمی ایفا می‌کند. از این نظر جهت ایجاد شبکه‌ای بهینه و کارآمد، شبکه‌های پایش بایسـتی به‌صورت دوره‌ای با توجه به نیاز و طرح‌های توسعه منابع آب پیش روی، مورد ارزیابی قرار گیرنـد. در ایـن پژوهش، ارزش منطقه‌ای ایستگاه‌های پایش کیفی آب زیرزمینی دشت خانمیرزا با استفاده از تئوری آنتروپی مورد بررسی قرارگرفته است. استفاده از تئوری آنتروپی گسسته، محدودیت نرمال بودن داده‌ها در تحقیقـات قبلی را مرتفع می‌نماید. با در نظر گرفتن گروهی از شاخص‌های آنتروپی همانند آنتروپـی مـرزی، آنتروپـی مشترک، شاخص‌های اطلاعات ارسال‌شده و دریافت شده توسط هر ایستگاه و شاخص انتقال اطلاعات بین ایستگاه به تعیین ایستگاه‌های شاخص و مناطق ضعیف از نظر تبادل اطلاعات در شبکه پایش دشت پرداخته‌شد. آنالیز حساسیت نحوه کلاس‌بندی اطلاعات نشان می‌دهد کـه مقادیر شاخص‌های آنتروپی به تغییر فاصله کلاس‌بندی اطلاعات حسـاس، امـا رتبه‌بندی ایستگاه‌ها حساسیت بسیار کمی را از خود نشان می‌دهد. نتایج صحت سنجی حاکی از این است کـه تئـوری آنتروپـی قابلیت خوبی جهت کمی کردن ارزش منطقه‌ای چاه‌های نمونه برداری در یـک شـبکه پایش دارد و مقایسه آن با ضریب همبستگی اطلاعات بین ایستگاه‌ها نشان می‌دهد کـه جهـت تعیـین مؤثرترین و ضعیف‌ترین ایستگاه‌ها می‌توان از روش ساده ضریب همبستگی استفاده نمود.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of Groundwater Quality Monitoring Network in Khanmirza Plain Using the Discrete Entropy Theory

نویسندگان [English]

  • kobra landi
  • rasoul mirabbasi
چکیده [English]

Quality of recorded information in a monitoring network plays an important role in sustainable design and operation of water resources systems. For an optimal monitoring network design, they should be evaluated periodically based on the information needs and future water resources development plans. In this study, regional values of groundwater quality monitoring network stations in Khanmirza plain were investigated using the discrete entropy theory. Discrete entropy can overcome the limitations regarding data normality assumption in past research. Several entropy parameters such as marginal entropy, joint entropy, information send and received by each station and transinformation index between stations, were calculated to identify essential stations and poor regions based on the amount of information exchanges. Sensitive analysis to number of discrete intervals shows that the entropy indices are sensitive to change of interval length, but the ranks of stations appear to be less sensitive. Validation result confirms that the entropy has a good performance in quantifying the regional values of sampling wells in a monitoring network and comparison with the correlation coefficient of information between stations shows that this coefficient can be used for determining the essential and unnecessary stations in the region.

کلیدواژه‌ها [English]

  • Entropy theory
  • Discrete intervals
  • Monitoring networks
  • Transinformation index
  • Correlation coefficient