پیش‌بینی سطح آب زیرزمینی دشت تسوج-آذربایجان‌شرقی با کمک شبکه‌های عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیأت علمی دانشگاه زنجان-گروه مهندسی آب

2 دانش آموخته ارشد آبیاری و زهکشی- دانشگاه زنجان

3 کارشناس آبهای زیرزمینی شرکت آب منطقه ای استان آذربایجان شرقی

10.22034/hydro.2016.4709

چکیده

اصلی‌ترین منبع آب در مناطق خشک و نیمه خشک آب زیرزمینی می‌باشد. بنابراین مطالعه آن دارای اهمیت می‌باشد. هدف از این پژوهش، پیش‌بینی سطح آب زیرزمینی آبخوان دشت تسوج آذربایجان‌شرقی با کمک شبکه‌های عصبی مصنوعی در آینده بود. به این منظور از داده‌های 11 ساله قابل دسترس منطقه (مهر 1381 تا شهریور 1392) استفاده شد. ابتدا مرزهای آبخوان دشت تسوج مشخص شد. سپس چاه‌های بهره‌برداری و مشاهده‌ای قرار گرفته در خارج از محدوده حذف شد. با روش مثلث‌ّبندی تیسن، پلی‌گون‌های چاه‌های مشاهده‌ای تعیین شده و میزان آب ورودی و خروجی از هر پلی‌گون از طریق بارش، تبخیر و چاه‌های بهره‌برداری محاسبه شد. در نهایت با تعریف 4 معماری مختلف، بهترین شبکه منطبق بر داده‌های قابل دسترس جهت پیش‌بینی سطح آب زیرزمینی تعیین شد. در این پژوهش از توپولوژی پرسپترون چند لایه با الگوریتم پس انتشار خطا جهت شبیه‌سازی و پیش‌بینی سطح آب زیرزمینی استفاده شد. نتایج نشان داد که در نظر گرفتن دمای متوسط هوا به عنوان ورودی در شبکه، موجب اغتشاش آن شد. شبکه‌ای که در معماری آن یک تا پنج تأخیر زمانی برای داده‌های ورودی در نظر گرفته شده بود بهترین شبکه بود. بر اساس بهترین شبکه طراحی شده، در کلیه چاه‌های مشاهده‌ای مقدار بین مقادیر تخمینی با شبکه‌های عصبی مصنوعی و داده‌های واقعی بیش‌تر از 90 درصد بود و RMSE کمتر از 80 سانتی‌متر بود. در نهایت سطح آب زیرزمینی برای 24 ماه آینده (مهر 1392 تا شهریور 1394) پیش‌بینی شد. پیش‌بینی‌ها نشان داد روند افت سطح آب زیرزمینی دشت در 24 ماه آینده ادامه خواهد یافت به طوری که در انتهای این مدت افت آن 3/1 متر افزایش خواهد یافت.

کلیدواژه‌ها


عنوان مقاله [English]

Groundwater level Forecasting in Tassuj Plain-East Azarbaijan by artificial neural networks

نویسندگان [English]

  • Jaefar Nikbakht 1
  • Mortaza Najib 3
3 Groundwater expert at East Azarbaijan Regional Water Authority
چکیده [English]

The main water resource in arid and semi-arid regions is groundwater. Therefore, its study is important. The purpose of this study was groundwater level forecasting in Tassuj-Azarbaijan Plain in the future by artificial neural networks. Used data was from October 2002 to September 2013 (11 years). After determining boundary of Tassuj plain, water and observation wells where located out of boundary, was deleted. Then by Tissen method, polygons of observation wells were determined and input and output water into each polygon through rainfall, evaporatin and water wells were calculated. Finally, by designing 4 different architectures, the best network to forecast groundwater level was determined. Multilayer perceptron with back propagation error algorithm was used to simulate and forecate groundwater level. The results showed, considering monthly air temperature as input data in networks, was confused them. Network with 1 to 5 time lags in input data was the best. On the best network, values between calculated and observed data in 10 observation wells were greater than 90% and RMSE values were less than 80 cm. Finally, groundwater level was predicted for 24 next months (from October 2013 to September 2015). On the forecasting data, falling the groundwater level will be continued in the 24 next months as much as 1.3m.

کلیدواژه‌ها [English]

  • Artificial Neural Networks
  • groundwater level forecasting
  • multilayer perceptron
  • Tissen polygonization