پیش بینی زمانی و مکانی تراز آب زیرزمینی دشت داورزن
آرشیو
چکیده
هدف از این پژوهش تخمین مقدار تراز آب زیرزمینی در نقاط مختلف دشت داورزن واقع در استان خراسان رضوی در یک ماه آینده است. جهت پیش بینی زمانی از روش پرسپترون چندلایه شبکه عصبی و برای پیش بینی مکانی از روش کریجینگ استفاده شده است. داده های ورودی شامل سری زمانی تراز آب زیرزمینی است که به مدت هشت سال از مهر 82 تا اسفند 89 به صورت ماهیانه اندازه گیری شده است. ابتدا به منظور تعیین میزان دقت مدل، تراز آب زیرزمینی 12 ماه پایانی یک پیزومتر جدید با استفاده از روش پیشنهادی مدل سازی شده و با مقدار واقعی آن مقایسه گردیده است. مقدار ضریب انطباق به دست آمده (812/0E=) نشان دهنده کارایی مدل در این دشت است. سپس با اتکا به نتایج قابل قبول به دست آمده، تراز آب زیرزمینی یک ماه آینده پیش بینی شد. در مرحله بررسی کارایی مدل، روش شبکه عصبی با میانگین ضریب انطباق 688/0 برای پیزومترها و نیم تغییرنمای گوسی نیز با درصد همبستگی 657/0 نتایج قابل قبولی را برای دشت داورزن نشان دادند.Spatiotemporal Groundwater Level Forecasting in Davarzan Plain
In this article, a hybrid, artificial neural network-geostatistics (Kriging) methodology is utilized to predict the spatiotemporal groundwater level in Davarzan plain in Khorasan Razavi province in Iran. The data for the study were the groundwater levels of 5 piezometers from September 2003 to April 2012 which were recorded on monthly basis. Neural network was used for predict the groundwater level of the successive months and geostatistic were used to estimate the groundwater level at any desired point in the plain. To determine the accuracy and efficiency of model, the method was tested on a new piezometer (Bagherabad) at the first stage. The results were compared with the actual value. And the results (E=0.812) show the efficiency of model. Then, based on appropriate achieved results, the groundwater level was predicted in the month ahead. The results show that neural network with average coefficient of determination (E=0.688) and Gaussian variogram with (R2=0.657) had high efficiency for predicting the groundwater level in this plain.
تبلیغات
