نام پژوهشگر: رضا زمانی احمدمحمودی
رضا زمانی احمدمحمودی علی محمد آخوندعلی
از اساسی ترین موارد در مدیریت کمی منابع آب زیرزمینی تخمین سطح آب با استفاده از داده های برداشت شده از شبکه چاه های مشاهده ای می باشد. با توجه به برداشت سطح آب زیرزمینی در دشت ها به صورت نقطه ای در محل چاه های مشاهده ای، ضرورت دارد برای محاسبه مقدار متوسط سطح آب زیرزمینی در دشت و تخمین سطح آب، اطلاعات حاصل از برداشت نقطه ای به سطح تعمیم داده شود. کاربرد مدل های زمین آماری همواره با خطا همراه بوده است چرا که در اکثر موارد تابع برازش داده شده شامل کلیه نقاط تجربی محاسبه شده نمی باشد. هدف از انجام این تحقیق بررسی کاربرد روش ترکیبی زمین آمار و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در میان یابی سطح آب زیرزمینی می باشد. در این تحقیق برای تخمین سطح آب زیرزمینی با استفاده از روش ترکیبی معرفی شده، سه دشت دزفول، رامهرمز و زیدون در استان خوزستان که دارای شرایط ژئوهیدرولوژی متفاوتی می باشند، انتخاب شد. نتایج حاصل از کاربرد روش های کوکریجینگ، کریجینگ و روش عکس فاصله نشان داد که در دشت دزفول و رامهرمز روش کوکریجینگ و در دشت زیدون روش کریجینگ بهترین روش زمین آماری برای تخمین سطح ایستابی و ترکیب با شبکه های عصبی می باشند. در هر سه دشت مدل نیم تغییرنمای گوسین به عنوان بهترین مدل نیم تغییرنما انتخاب شد. ترکیب روش زمین آماری انتخاب شده در هر دشت با شبکه های عصبی مصنوعی نشان داد که این الگوریتم ترکیبی بسیار بهتر و باعث بهبود تخمین نقطه ای سطح ایستابی شد و دارای معیارهای ارزیابی مناسب تری نسبت به کاربرد روش های زمین آماری به تنهایی می باشد. نتایج نشان داد که در دو دشت رامهرمز و زیدون، شبکه عصبی gff با الگوریتم آموزش لونبرگ مارکوات و در دشت دزفول شبکه عصبی mlp با الگوریتم آموزش لونبرگ مارکوات دارای معیارهای ارزیابی مناسبتری برای ترکیب با روش های زمین آماری انتخاب شده در هر دشت می باشند. همچنین بهینه سازی شبکه های عصبی مصنوعی ترکیبی با روش های زمین آماری با استفاده از الگوریتم ژنتیک در هر سه دشت، موثر و باعث کاهش خطا در فرآیند تخمین شد. با توجه به نتایج این مطالعه، روش ترکیبی زمین آمار- شبکه های عصبی مصنوعی در دشت های زیدون و رامهرمز که تعداد چاه های مشاهد ه ای کمتر و پراکنش نامناسب تری از دشت دزفول دارند، موثرتر و کاربردی تر واقع شد. و در چنین دشت هایی که تخمین زمین آمار خطای زیادی دارد، ترکیب این روش ها با شبکه های عصبی باعث بهبود تخمین نقطه ای می شود.