بخشی از مقاله
چکیده
منابع آب هاي زیرزمینی منبع بسیار مهمی جهت تامین آب مصرفی در بخش هاي کشاورزي، صنعت و شرب منطقه دشت اردبیل می باشد. در تحقیق حاضر هدف تخمین سطح آب زیرزمینی دشت اردبیل با استفاده از شبکه عصبی مصنوعی، مدل فازي-عصبی و مدل برنامه ریزي بیان ژن می باشد. بدین منظور از اطلاعات طولانی مدت سینوپتیک منطقه جهت آموزش مدل استفاده شد. وروديهاي مدل، مقدار آب ورودي ناشی از بارندگی بر حسب میلی متر و میانگین دماي ماهانه بر حسب سانتی گراد بود. پارامترهاي آماري ریشه میانگین مربعات خطا - RMSE - و ضریب تعیین - R - براي ارزیابی دقت مدل ها استفاده شد. مقایسه نتایج مدل ها، حاکی از عملکرد بهتر شبکه عصبی مصنوعی نسبت به مدلهاي فازي- عصبی و برنامه ریزي بیان ژن بود. همچنین نتایج نشان داد که شبکه عصبی با RMSE برابر 0/4260و R2 برابر 0/895 می تواند سطح ایستابی را با دقتسبتاًن بالایی برآورد کند.
-1 مقدمه
تا کنون مدلهاي زیادي جهت پیش بینی سطح آب زیرزمینی به کار برده شده است. از جمله این مدلها میتوان به مدلهاي سري زمانی تجربی و مدل هاي فیزیکی اشاره کرد . از مدل هاي سري زمانی تجربی، بطور گسترده اي براي مدل سازي سطح آب زیرزمینی استفاده شده است، ولی هنگامی که رفتار دینامیکی یک سیستم هیدرولوزیکی با گذشت زمان تغییر میکند، مدلهاي یاد شده براي پیش بینی پارامترهاي منابع آب توانایی کافی نداشته و مدل هايمناسبی نیستند.
از طرف دیگرمدلهاي فیزیکی نیز در عمل به داده هاي زیادي براي شبیه سازي نوسانات سطح آب زیرزمینی نیاز دارند و از آنجا که روابط بین متغیرهاي موثر بر سطح آب زیرزمینیاحتمالاً پیچیده وغیر خطی می باشد، مدلهاي فوق در ارائه رابطه بین اینمتغییرها نمیتوانند به خوبی عمل کنند. شبکه هاي عصبی مصنوعی، سامانه استنتاج فازي- عصبی تطبیقی و برنامه ریزي ژنتیک نمونه بارزي از مدل هاي هوش مصنوعی هستند که درسال هاي اخیرمورد توجه محققین قرار گرفته اند.
تاکنون تحقیقات متعددي در خصوص استفاده از شبکههاي هوشمند براي پیشبینی پدیده هاي مختلف علوم مهندسی آب از جمله تراز آب زیرزمینی، میزان رسوبات، میزان بارندگی و رواناب و دبی ورودي به مخازن صورت پذیرفته است. سوسهاب و همکاران - 1393 - با به کارگیري داده هاي تراز پیزومتر هاي موجود در دشت اردبیل توانستند سطح تراز آبهاي زیرزمینی دشت اردبیل را با استفاده از شبکه عصبی مصنوعی با دقت بالایی پیش بینی کنند.خالق فام اصل و همکاران - 1393 - با در نظر گرفتن دادههاي آبهايزیرزمینی دشت عجب شیر، با استفاده از شبکه عصبی پیشرو با الگوریتم پس انتشار در پیش بینی سطح آب زیرزمینی مورد بررسی قرار دادند. امید و همکاران - 1387 - با استفاده از دادههاي آبخوان آستانه - کوچصفهان واقع در استان گیلان به عنوان ورودي شبکه عصبی، خروجی این مدل را مورد ارزیابی قرار دادند.
احمدزاده و همکاران - 1393 - اثرات خشکسالی را بر میزان افت سطح آب زیرزمینی در حوضه زرینه رود با استفاده از مدلهاي SWAT، شبکه عصبی مصنوعی و برنامه ریزي بیانژن مورد بررسی قرار داده و به نتایج قابل قبولی رسیدند. زاهدي و همکاران - 1393 - توانایی شبکه عصبی مصنوعی با سیستم استنتاج فازي عصبی تطبیقی در پیش بینی تراز آب زیرزمینی توابع دشت ارسنجان را مورد بررسی قرار دادند.
صمدي و همکاران - 1393 - تاثیر پارامترهاي تغییر اقلیم بر تغییرات سطح آب زیرزمینی بوسیله برنامه ریزي بیان ژن را،در دشت ارومیه مورد بحث قرار دادند. با توجه به اینکه مدل-هاي شبکه عصبی مصنوعی و سیستم انطباقی فازي- عصبی جهت پیشبینی و شبیه سازي تراز آبهاي زیرزمینی به ازاي وروديهاي مختلف در مدل، مورد توجه محققین مختلف قرار گرفته اند امامدل برنامه ریزي بیانژنکه حالت توسعه یافته و صریح برنامه ریزي ژنتیک میباشدکمترمورد توجه محققان مهندسی آب بوده است، لذا در این تحقیق از مدل برنامه ریزي بیان ژن جهت شبیهسازي تراز آبهاي زیرزمینی دشت اردبیل استفاده گردید و نتایج حاصله با نتایج سیستم انطباقی فازي- عصبی و شبکه عصبی مورد مقایسه قرارگرفت.
-2 مواد و روشها
جهت برآورد سطح ایستابی در منطقه مورد نظر، از مقادیر سطح ایستابی اندازه گیري شده توسط آب منطقهاي استفاده گردید. داده ها بصورت ماهانه بوده و داراي دوره آماري نسبتا طولانیمیباشد. در این پژوهش از داده هاي هواشناسی شامل متوسط بارش ماهانه دشت و همچنین متوسط دماي ماهانه در دوره آماري 1355 تا 1390 استفاده گردید. در این تحقیق دو متغیر بارش و دما بهعنوان ورودي شبکه در نظر گرفته شدند.داده هاي بارش به صورت تجمعی در طول دوره آماري در نظر گرفته شده است. براي استفاده از روش فازي-عصبی و شبکه ي عصبی از نوار ابزارهاي مربوطه در محیط نرم افزارMATLAB استفاده شد. براي به کارگیري روش برنامه ریزي بیان ژن نیز از نرم افزار Genxpro استفاده گردید.از سال 1355 تا سال 1370 به تعداد 288 به عنوان دادههاي آموزش و از سال 1371 تا 1380 به تعداد 133 به عنوان دادههاي تست در اختیار شبکه قرار داده شد.
منطقه مورد مطالعه
دشت اردبیل با مساحتی بالغ بر900 کیلومتر مربع در کانون جغرافیایی استان اردبیلو بین مدارات 38 درجه و3 دقیقه تا 38 درجه 27 دقیقه عرض شمالی از مدار صفر درجه - خط استوا - و نصف النهارات 47 درجه و55 دقیقه تا 48 درجه و20 دقیقه شرقی از نصف النهارات مبدا - گرینویج - واقع شده است. دشت اردبیل در پست ترین قسمت خود در حوالی پل سامیان 1294 متر از سطح دریاي آزاد اختلاف ارتفاع دارد که از شمال به ارتفاعات مرزي بین ایران و آذربایجان ، از شرق به ارتفاعات تالش، از جنوب به آرپاچاي و از غرب به دامنه کوه سبلان ختم می شود . ارتفاعاتی که دشت وسیع اردبیل را احاطه نموده اند ادامه چین خوردگی البرز بوده و رسوبات و آبرفت هاي قدیمی بیشتر در حاشیه دشت اردبیل گسترش دارند.
اصلی ترین شاخص جغرافیایی استان را توده آتشفشانی سبلان تشکیل می دهد که با بستري کوهستانی و پرصلابت در مرکز استان واقع شده است. این توده بستر کوهستانی با 4811 متر ارتفاع که قسمت غربی آن در محدوده شهرستان سراب - استان آذربایجان شرقی - قرار گرفته با دریافت بارش به صورت برف و انباشت آن براي مصرف در تابستان، رودهاي بزرگ و کوچک زیادي را در استان تغذیه میکند.
