پیش بینی سطح آبهای زیرزمینی با استفاده از روش های هوش مصنوعی ( مطالعه موردی: دشت دوزدوزان)

مدل کردن سفره آبهای زیرزمینی، به منظور پیش بینی سطح ایستابی از نظر مطالعات هیدروژئولوژی و مدیریتی، ایجاد سازه های مهندسی، مصارف کشاورزی و بدست آوردن آبهای زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. در دهه های اخیر به سبب پیچیدگی و خصوصیات غیر خطی سیستمهای آب زیرزمینی مدلهای هوش مصنوعی در مدلسازی و مدیریت آبخوان ها مورد آزمایش قرار گرفته اند. هدف این تحقیق مقایسه مدلهای مختلف هوش مصنوعی (شبکه های عصبی مصنوعی، منطق فازی و برنامه ریزی ژنتیک) برای مدلسازی نوسانات سطح ایستابی ( مطالعه موردی: دشت دوزدوزان) است. در قدم اول اقدام به شناخت هیدروژئولوژی آبخوان دشت دوزدوزان شد. دشت دوزدوزان در حوضه آبریز دریاچه ارومیه قراردارد که به دلیل خشکسالی های اخیر و نیز استفاده بی رویه از منابع آب زیرزمینی با بحران کاهش سطح آب و نیز کاهش کیفیت آب مواجه است. وسعت کل حوضه 217 کیلومتر مربع است که حدود 5/88 کیلومتر مربع آن را دشت شامل می شود. در محدوده مطالعاتی رودخانه ای با جریان دائمی وجود ندارد. آبخوان دشت دوزدوزان از نوع نامحصور و ناهمگن است که به عنوان منبع اصلی آب جهت مصارف شرب، کشاورزی و صنعت بشمار می رود. آبخوان درون نهشته های آبرفتی دوران چهارم جای گرفته است. در دشت دوزدوزان 15 حلقه پیزومتر برای پایش سطح آب حفر شده است که برای مدلسازی سطح آب از 8 پیزومتر استفاده شد. در مرحله بعد برای پیش بینی سطح آب زیرزمینی در آبخوان دشت دوزدوزان اقدام به دسته بندی پیزومترهای موجود در دشت شد. سطح آب در هر دسته از پیزومترها به عنوان خروجی برای هریک از مدلهای هوش مصنوعی مذکور تعریف شد و ورودی این مدلها شامل سطح آب زیرزمینی در یک زمان قبل در پیزومترهای مربوطه ( 1-0t)، بارش در یک زمان قبل (1 - 0t)، تبخیر در یک زمان قبل ( 1 - 0t ) بود. در این تحقیق علاوه منطق فازی و شبکه های عصبی مصنوعی روش جدید برنامه برنامه ریزی ژنتیک برای پیش بینی سطح آب زیرزمینی بکار گرفته شد. از داده های بارش و تبخیر ایستگاه های دوزدوزان و برازین استفاده شده است. برای مدلسازی، داده های ورودی و هدف به دو دسته آموزش و آزمایش تقسیم شدند. به طوری که 80? داده ها (89- 80) برای مرحله آموزش و 20 ? داده ها (91- 90) برای مرحله آزمایش انتخاب شد. نتایج بدست آمده نشان داد که روش جدید برنامه ریزی ژنتیک نسبت به مدل های دیگر از دقت بیشتری برخوردار است. پس از حصول نتایج پیش بینی زمانی برای سطح تراز آبهای زیرزمینی با استفاده از مدل شبکه های عصبی مصنوعی و مدل فازی و برنامه ریزی ژنتیک مرحل? بعدی به دست آوردن بهترین مدل ژئواستاتیستیکی برای پیش بینی مکانی سطح تراز آبهای زیرزمینی در محدود? مطالعاتی می باشد. در این مرحله نتایج مدل برنامه ریزی ژنتیک شامل داده های پیش بینی ماهانه سطح آب زیرزمینی برای بازه دو ساله، به عنوان ورودی مدل زمین آمار برای پیش بینی مکانی سطح آب های زیرزمینی در محدوده مطالعاتی بکار گرفته شد. بدین ترتیب برای مناطق فاقد پیزومتر نیز پیش بینی سطح آب زیرزمینی انجام شد که این کار می تواند از صرف زمان و هزینه های بالا برای حفر پیزومترهای بیشتر جلوگیری کرد.