نگین رشیدی؛ وحید موسوی
چکیده
مقدمه و هدف : مدلسازی سطح آب زیرزمینی به دلیل ماهیت پیچیده، غیرخطی و وابسته به عوامل مکانی زمانی، همواره چالشی اساسی در مدیریت منابع آب زیرزمینی بوده است. در این پژوهش، هدف اصلی ارائه و ارزیابی یک رویکرد مدلسازی توزیعی مبتنی بر یادگیری عمیق برای پیشبینی سطح آب زیرزمینی آبخوان کوشکفهان در حوضه آبریز سفیدرود است. با بهرهگیری ...
بیشتر
مقدمه و هدف : مدلسازی سطح آب زیرزمینی به دلیل ماهیت پیچیده، غیرخطی و وابسته به عوامل مکانی زمانی، همواره چالشی اساسی در مدیریت منابع آب زیرزمینی بوده است. در این پژوهش، هدف اصلی ارائه و ارزیابی یک رویکرد مدلسازی توزیعی مبتنی بر یادگیری عمیق برای پیشبینی سطح آب زیرزمینی آبخوان کوشکفهان در حوضه آبریز سفیدرود است. با بهرهگیری از شبکههای عصبی ترسیمی ترکیبشده با ساختارهای پیچشی و حافظه کوتاهمدت بلندمدت، تلاش میشود وابستگیهای مکانی و زمانی رفتار آبخوان شناسایی شده و دقت پیشبینی نسبت به روشهای متداول افزایش یابد.مواد و روشها: در این تحقیق، چهار ساختار یادگیری عمیق مبتنی بر گراف شامل شبکه عصبی ترسیمی (GNN)، شبکه توجه گرافی (GAT)، شبکه پیچشی گرافی (GCN) و مدل ترکیبی GCN LSTM به کار رفت. هر چاه پیزومتری بهعنوان یک گره در نظر گرفته شد و ماتریس مجاورت با وزندهی معکوس فاصله تشکیل گردید. دادههای ورودی شامل متغیرهای هیدرواقلیمی، اطلاعات زمینشناسی، ویژگیهای پمپاژ و فواصل مکانی از عوامل هیدروژئولوژیک بودند. ارزیابی با شاخصهای R²، RMSE، MAE، NSE و KGE انجام شد.یافتهها :نتایج نشان داد که مدل GNN اگرچه توانست روندهای کلی تغییرات سطح آب زیرزمینی را تا حدودی بازسازی کند، اما در نمایش رفتارهای حدی و وابستگیهای زمانی دقت کافی نداشت. مدل GAT نیز نسبت به GNN بهبود نسبی نشان داد، اما همچنان در استخراج الگوهای عمیق زمانی محدود بود. در مقابل، مدل GCN عملکرد بهتری در شناسایی وابستگیهای مکانی از خود نشان داد و موجب بهبود قابل توجه شاخصهای ارزیابی شد. بهترین عملکرد مربوط به مدل GCN-LSTM بود که توانست همزمان ویژگیهای مکانی و زمانی را بهصورت مؤثرتری بازنمایی کند و بیشترین همپوشانی را با دادههای مشاهدهای داشته باشد. بر اساس نتایج گزارششده، این مدل به مقادیر896/0R2=، 336/0 RMSE=و 269/0MAE= دست یافت که نشاندهنده دقت بالای آن در پیشبینی سطح آب زیرزمینی است.نتیجهگیری :یافتههای این پژوهش نشان میدهد که بهرهگیری از معماریهای ترکیبی مبتنی بر گراف و توالی، بهویژه مدل GCN-LSTM, میتواند ابزار بسیار مؤثری برای مدلسازی رفتار هیدرودینامیکی آبخوانهای پیچیده باشد. این مدل توانست با دقت بالا رفتار سطح آب زیرزمینی را پیشبینی کرده و برتری خود را نسبت به مدلهای صرفاً گرافی نشان دهد. در نتیجه، استفاده از این رویکرد برای پیشبینی عملیاتی سطح آب زیرزمینی و مدیریت پایدار منابع آب توصیه میشود. این روش میتواند بهعنوان یک چارچوب نوین در تحلیل و مدیریت آبخوانها، به تصمیمگیری بهتر در حوزه منابع آب کمک کند.
وحید موسوی؛ مهدی حیات زاده
چکیده
تغذیه به سفرههای آب زیرزمینی بهویژه در مناطق نیمهخشک از اهمیت بالایی برخوردار است. تعیین میزان تغذیه سفرههای آب زیرزمینی میتواند کمک شایانی به مدیران برای مدیریت منابع آب زیرزمینی کند. در مطالعه حاضر، بهمنظور تعیین میزان تغذیه سفره آب زیرزمینی در دشت مروست، فرایند هیدرولوژیک حوزه آبخیز مروست بهوسیله مدل SWAT شبیهسازی ...
بیشتر
تغذیه به سفرههای آب زیرزمینی بهویژه در مناطق نیمهخشک از اهمیت بالایی برخوردار است. تعیین میزان تغذیه سفرههای آب زیرزمینی میتواند کمک شایانی به مدیران برای مدیریت منابع آب زیرزمینی کند. در مطالعه حاضر، بهمنظور تعیین میزان تغذیه سفره آب زیرزمینی در دشت مروست، فرایند هیدرولوژیک حوزه آبخیز مروست بهوسیله مدل SWAT شبیهسازی شد. برای این منظور ابتدا، نقشههای پایه مورد نیاز یعنی نقشه شیب، خاک و کاربری اراضی تهیه شد. دادههای اقلیمی مورد نیاز با مقیاس روزانه به مدل وارد شدند. با توجه به اهمیت بحث آبیاری و تاثیر آن در میزان تبخیر و تعرق و نیز تغذیه سفره آب زیرزمینی، مقادیر آبیاری نیز با تعیین برنامه آبیاری در مدل SWAT در فرایند مدلسازی در نظر گرفته شد. پس از ساخت مدل بهمنظور واسنجی مدل، از بسته نرمافزاری SWAT CUP و الگوریتم SUFI-2 استفاده شد. نتایج نشان داد که متوسط سالانه میزان تغذیه به سفره آب زیرزمینی از منطقه مورد مطالعه در دوره مدلسازی (2015-2005) معادل 27.08 میلیون متر مکعب و ضریب آب برگشتی از کشاورزی حدود 34 درصد میباشد. بهبود الگوی کشت، جلوگیری از حفر چاههای غیرمجاز و برداشت بیش از حد از سفره و نیز سامانههای آبیاری مناسب میتواند در کاهش کسری مخزن و جلوگیری از افزایش بحران منابع آب موثر باشد. به علاوه، پژوهش حاضر نشان داد که مدل برای کوتاهمدت (مثلا دوره یکساله) نتایج مناسبی را بهدست نمیدهد، اما برای دورههای بلندمدت نتایج انطباق بهتری با واقعیت خواهد داشت. پیشنهاد میشود تا بهمنظور مطالعه همزمان جریانات سطحی و زیرزمینی از ترکیب مدل SWAT و MODFLOW استفاده شود. همچنین، میتوان برای تعیین میزان آب برگشتی و تغذیه از لایسیمتر یا مدل SWAP نیز استفاده کرد.
