کاهش بارندگی و بهرهبرداری بیرویه از منابع آب زیرزمینی موجب افت قابلتوجه تراز سطح آب زیرزمینی در بسیاری از مناطق جهان شده است. یکی از آبخوانهایی که با افت سطح آب زیرزمینی مواجه هست، آبخوان نهاوند در استان همدان و غرب ایران میباشد. برای مدلسازی تراز سطح آب زیرزمینی، مدلهای حافظه کوتاه مدت طولانی LSTM)) و ماشین بردار پشتیبان (SVM) به کار گرفته شد. آنالیز حساسیت تراز سطح آب زیرزمینی یک ماه آینده نسبت به تغییرات متغیرهای ورودی دو مدل LSTM و SVM نشان داد که مقادیر بارش، دمای هوا، تیخیر و تعرق و تراز سطح آب زیرزمینی تا دو ماه قبل، متغیرهای موثر ورودی هستند. نتایج مدلسازی با مدل SVM نشان داد که تابع کرنل پایه شعاعی در مدل SVM بهترین تابع کرنل نسبت به توابع کرنل خطی و چندجمله ای می باشد. مقایسه نتایج مدلهای هوشمند نشان داد که مدل SVM عملکرد بهتری نسبت به مدل LSTM داشته است. نتایج نشان داد که برای دوره زمانی آزمون مدل LSTM ضریب R2و RMSE به ترتیب 87/0 و 043/0 بدست آمد. همچنین برای دوره زمانی آزمون مدل SVM ضریب R2و RMSE به ترتیب 89/0 و 042/0 بدست آمد. بهطور کلی میتوان گفت که عملکرد مدل SVM برای پیش بینی تراز سطح آب زیرزمینی آبخوان نهاوند بسیار مناسب بوده و قابلیت این را دارد که برای بررسی سطح آّب زیرزمینی آبخوانهای دیگر نیز استفاده شود.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1404/10/9 | پذیرش: 1405/4/5 | انتشار: 1405/4/5