دشت ملایر

یکی از راه های مفید در تامین آب مورد نیاز بخش های مختلف، بویژه در مناطق خشک و نیمه خشک و مقابله با بحران خشک سالی، کمک به افزایش ذخایر آب زیرزمینی است. احداث سدهای زیرزمینی و استفاده از آب های سطحی هدر رونده به منظور تغذیه مصنوعی از جمله راهکارهای مناسب جهت تامین و توسعه منابع آبی می باشد. اولین و مهمترین مرحله در احداث یک سد زیرزمینی شناسایی مکان های مناسب برای احداث سد می باشد. این مرحله به دلیل این که سود یا زیان پروژه را در بطن خود دارد باید به طور دقیق انجام شود. در این تحقیق پس از بررسی پیشینه تحقیق و اصلاح برخی اطلاعات پایه همگام با پیمایش های صحرایی متعدد و با استفاده از تکنیک های GIS محل های مناسب برای این سازه مشخص شد. اما به علت این که عوامل بسیار زیادی در مکان یابی این سازه نقش دارند و همچنین میزان اهمیت آن ها با هم متفاوت است، لذا به منظور تصمیم گیری بهتر در مورد اولویت بندی مکان های مشخص شده از روش تحلیل سلسله مراتبی (AHP) استفاده شد. در نهایت از 27 مکان مناسب مشخص شده در منطقه مورد مطالعه (دشت ملایر) در مرحله اولیه تنها 9 منطقه برای اولویت بندی معرفی شدند که در قالب یک نقشه به ترتیب اولویت ارایه شده است.

برای بررسی کارایی شبکه ی عصبی مصنوعی در شبیه سازی تغییرات سطح ایستابی سفره ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به عنوان ورودی شبکه ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اوّل، شامل میانگین اطلاعات دمای حدّاکثر هوا، دمای حدّاقل هوا، حدّاکثر رطوبت نسبی هوا، حدّاقل رطوبت نسبی هوا و میانگین تبخیر در مقیاس زمانی ماهانه و ارتفاع سطح ایستابی ماه پیش بود. در ساختار دوم از اطلاعات سطح ایستابی در یک، دو، سه و چهار ماه پیش استفاده شد. در ساختار سوم، افزون بر اطلاعات ساختار شماره ی دو، میانگین سطح ایستابی ماه مورد نظر و میانگین سطح ایستابی ماه پیش هم به کار گرفته شد. ساختار چهارم، براساس میانگین سطح ایستابی ماه مورد نظر، میانگین سطح ایستابی ماه پیش و اطلاعات هواشناسی ماهانه تعریف شد. ساختار سوم با آرایش 1-4-4-6، به عنوان ساختار مناسب با 9/1 درصد خطا در مقایسه با مقادیر واقعی پیشنهاد شد که نشان دهنده ی اهمّیّت به کارگیری عوامل سطح ایستابی سال های گذشته، در ورودی شبکه ی عصبی است. اجرای مدل بهینه ی شبکه ی عصبی، افت سطح ایستابی را 18/1 متر، به ازای 9/1 درصد خطا برآورد کرد. جذر میانگین مربّعات خطا در مدل بهینه ی شبکه ی عصبی با آرایش 1-4-4-6 بر مبنای قانون آموزش لونبرگ مارکوات و تابع محرک سیگموئید، در مقابل تغییرات واقعی سطح سفره 44/0 متر با ضریب تعیین 99/0 به دست آمد. با توجّه به دقّت مناسب مدل و روند کاهنده ی حاکم بر سفره، می توان استفاده از شبکه ی عصبی مصنوعی برای تصمیم گیری در مدیریت دشت را، به عنوان ابزاری با سرعت و دقّت مناسب در شبیه سازی سطح آب زیرزمینی دشت ملایر، توصیه کرد.