نام پژوهشگر: Frank T.C. Tsai
عطاالله ندیری اصغر اصغری مقدم
مدیریت آبخوان همانند هر سیستمی نیاز به شناخت کامل آن و پیش بینی شرایط آیند? آن دارد که این کار با مدلسازی سیستم مورد نظر امکان پذیر است. امروزه روش معمول در مدلسازی منابع آب استفاده از مدلهای عددی است. در دهه های اخیر به سبب پیچیدگی و خصوصیات غیرخطی سیستمهای آب زیرزمینی مدلهای هوش مصنوعی در مدلسازی و مدیریت آبخوانها مورد آزمایش قرار گرفته اند. هدف این تحقیق استفاده و مقایسه مدلهای عددی و هوش مصنوعی در مدلسازی و مدیریت آبخوانها (مطالعه موردی آبخوان تسوج) است. در قدم اول اقدام به شناخت هیدروژئولوژی آبخوان تسوج شد و هیدروژئوشمی آبخوان با استفاده از روشهای گرافیکی و روشهای چند متغیره بررسی شد. سپس مدلهای هوش مصنوعی برای پیش بینی هدایت هیدرولیکی و سطح آب زیرزمینی و بهینه سازی برداشت از آب زیرزمینی با استفاده حداکثری از منابع آب سطحی مورد استفاده قرار گرفت. برای پیش بینی هدایت هیدرولیکی در آبخوان تسوج از مدلهای شبکه های عصبی مصنوعی و فازی و نروفازی با استفاده از داده های ورودی که شامل داده های ژئوفیزیکی، هدایت الکتریکی و موقعیت هر نقطه بود، سود برده شد. سپس برای سود جستن همزمان از توانایی های هر یک از این مدلها از مدل هوش مصنوعی مرکب نظارت شده برای پیش بینی هدایت هیدرولیکی استفاده شد و با مدل هوش مصنوعی مرکب که از روشهای الگوریتم ژنتیک و الگوریتم جامعه ذرات برای بدست آوردن وزنهای هر یک از مدلها استفاده می کند، مقایسه شد، که مدل هوش مصنوعی مرکب نظارت نتایج نسبتاً بهتری در پی داشت. در مرحله بعد برای پیش بینی سطح آب زیرزمینی در آبخوان تسوج ابتدا اقدام به دسته بندی پیزومترهای موجود در دشت شد. سطح آب در هر دسته از پیزومترها به عنوان خروجی برای هر یک از مدلهای هوش مصنوعی مذکور تعریف شد و ورودی این مدلها نیز شامل دما یک زمان قبل t0-1، بارش یک زمان قبلt0-1، و سطح آب زیرزمینی در یک زمان قبل در پیزومترهای مربوطه، بود. در این مرحله نیز با استفاده از مدل هوش مصنوعی مرکب ارائه شده در این تحقیق، نتایج پیش بینی تدقیق شد. در مرحله بعد اقدام به بهینه سازی برداشت از آب زیرزمینی با استفاده حداکثری از منابع آب سطحی با استفاده از سه روش بهینه سازی الگوریتم ژنتیک، نورد شبیه سازی شده و الگوریتم جامعه ذرات، شد. که نتایج بدست آمده نشان داد که در صورت استفاده بهینه از منابع آب سطحی که عموماً به صورت سیلاب در دشت ظهور پیدا می کند می تواند از کاهش سطح آب زیرزمینی در آبخوان دشت تسوج جلوگیری کرد. آخرین مرحله این تحقیق استفاده از مدل gms 9.0.3 برای مدلسازی آبخوان تسوج بود تا بتوان نتایج آن را با مدل های هوش مصنوعی ارائه شده، مقایسه کرد. لذا مدل عددی مذکور برای شرایط پایدار و ناپایدار ارائه شد. در نهایت با توجه به نقاط ضعف و قوت مدلهای هوش مصنوعی و مدلهای عددی می توان چنین نتیجه گرفت که هر یک از این مدلها در زمینه های خاصی برتری داشته و می توانند کارایی بالاتری داشته باشند و لذا می توان در راستای تدقیق و افزایش بازده و کارایی مدل های آبهای زیرزمینی از این دو مدل به صورت ترکیبی استفاده نمود و از توانایی هر کدام از این روشها در قسمتی از یک مدل چندگانه یا ترکیبی که کارایی بالاتری دارند سود جست.