تخمین مکانی-زمانی تغییرات سطح آب زیرزمینی با استفاده از زمین آمار و مدل های هوشمند

اکثر مناطق ایران در نواحی خشک و نیمه خشک قرار دارند و به دلیل خشکسالی های اخیر و همچنین به دلیل کیفیت بهتر آب های زیرزمینی (آلودگی کمتر) برای مصارف آشامیدنی نسبت به سایر منابع آب برداشت بی رویه از آب های زیرزمینی افزایش پیدا کرده است. دشت پر اهمیت برخوار واقع در حوزه آبریز زاینده رود، که در محدوده شهر اصفهان می باشد از این قاعده مستثنی نمی باشد از طرفی پی بردن به تغییرات مکانی و زمانی مقادیر کمی و کیفی آب زیرزمینی می تواند در توسعه استراتژی های منابع آب بسیار مهم باشد. لذا ارزیابی تغییرات مکانی و زمانی سطح آب زیرزمینی و همچنین عناصر کیفی می تواند نقش کلیدی در توسعه منابع آب دارا باشد. بدین منظور روش های قدرتمندی از جمله زمین آمار، شبکه عصبی مصنوعی و برنامه ریزی بیان ژن جهت تخمین جامع، دقیق و قابل اعتماد از سطح آب زیر زمینی و همچنین کیفیت آب زیر زمینی آن به کار گرفته شد. از جمله روش های به کار رفته برای این کار می توان به روش های از جمله زمین آمار، شبکه عصبی مصنوعی و برنامه ریزی بیان ژن می توان اشاره کرد. به منظور توسعه پایدار سیستم های منابع آب و از جمله آن آب های زیر زمینی کمی نمودن این منابع از اهمیت ویژه ای برخوردار است. در آبخوان هایی که با بهره برداری بیش از حد مواجه می باشند ، داشتن یک تخمین جامع، دقیق و قابل اعتماد از سطح آب زیر زمینی و همچنین کیفیت آن به شدت مورد نیاز می باشد برای دست یابی به چنین پارامترهای روش های مختلفی به کار برده شده است. به منظور ارزیابی عملکرد مدل های تخمین گر استفاده شده در این تحقیق، از شاخص های آماری ضریب همبستگی (r2)، به عنوان معیار دقت و ریشه میانگین مربعات (rmse) به عنوان معیار خطا استفاده شد. در نهایت با توجه به کمبود داده، در مورد پارامترهای کیفی روش های هوش مصنوعی به نسبت قابل قبول تری ارائه نموده اند. هر چند این تفاوت ها در بعضی از موارد قابل اغماض می باشد.اما در مورد پارامتر کمی که همان سطح ایستابی درون چاهک ها می باشد روش زمین آمار با اندک تفاوتی که نسبت به روش های هوش مصنوعی به ویژه شبکه عصبی دارد روش مناسب تری می باشد هرچند به عنوان یک اظهار نظر کلی در مجموعه به عنوان مناسب ترین روش در همه موارد می توان به روش شبکه های عصبی اشاره نمود.