بخشی از مقاله
چکیده
هدف اصلی این مطالعه استفاده از مدل شبکه عصبی مصنوعی براي پیشبینی سطح آب زیرزمینی دشت جیرفت است. اطلاعات مورد استفاده در این مطالعه به صورت سالانه میباشند و دورهي زمانی تحقیق مشتمل بر 24 سال - 92-1369 - است. در این مطالعه به منظور پیشبینی سطح آبهاي زیرزمینی دشت جیرفت از رهیافت شبکه عصبی مصنوعی استفاده گردیده است.
با توجه به اثرگذاري عوامل طبیعی -انسانی، در این مطالعه از متغیرهاي روند زمانی، متوسط ارتفاع سالانه آبهاي زیرزمینی در دوره قبل، جمعیت منطقه، میزان تبخیر و تعرق، میزان رطوبت - بر حسب درصد - ، میانگین درجه حرارات - بر حسب سانتیگراد - و میزان بارندگی - بر حسب میلیمتر - به عنوان متغیرهاي ورودي شبکه عصبی مصنوعی استفاده میشود. نتایج مطالعه نشان داد که مقادیر پیشبینی شده سطح آب زیرزمینی توسط شبکه عصبی مصنوعی بسیار نزدیک به مقادیر واقعی بود.
افزون بر این، با وضعیت موجود انتظار میرود که سطح آبهاي زیرزمینی در دشت جیرفت طی سالهاي 1392-96 کاهش یابد و این روند براي سالهاي پس از دوره پیشبینی نیز ادامه خواهد داشت. مطابق با پیشبینیهاي انجام شده براي سالهاي 1392 تا 1396، انتظار بر این است که سالانه حدود یک متر از سطح آبهاي زیرزمینی این دشت کاهش یابد. لذا با توجه به شرایط موجود، پیشبینی میگردد که طی سالهاي 1392-96، حدود 6 متر از سطح آبهاي زیرزمینی دشت جیرفت کاهش یابد که این میتواند یک تهدید جدي براي اکوسیستم منطقه باشد.
مقدمه
آبهاي زیرزمینی یک منبع بسیار مهم براي تأمین نیازهاي خانگی، صنعتی و فعالیتهاي کشاورزي است. در بسیاري از مناطق جهان، آبهاي زیرزمینی تنها منبع عرضه قابل اطمینان میباشند و در سایر مناطق، به دلیل سهولت در قابلیت دسترسی از این منبع استفاده میشود. سطح آبهاي زیرزمینی تأثیر قابل ملاحظهاي بر رشد محصول، گسترش پوشش گیاهی و انتقال املاح دارد .[1]
از این رو، توجه به پایداري منابع آب امري ضروري است. اما، آلودگی و تخلیه آبهاي زیرزمینی در بسیاري از کشورها گسترش یافته است. گسترش روزافزون سیستمهاي آبیاري، فقدان زهکشی طبیعی و مصنوعی، نشت آب از کانالهاي آبیاري، تراوش از مزارع آبیاري و بهرهبرداري از آبهاي زیرزمینی باعث کاهش سطح این منبع آبی شده است .[2]
عواقب متعدد استفاده ناپایدار از منابع آب زیرزمینی در حال تبدیل شدن به یک مسأله جدي در سطح جهانی است و این امر در کشورهاي در حال توسعه مصداق بیشتري دارد .[3] در بسیاري از مناطق، میزان استحصال از آبهاي زیرزمینی بسیار بیشتر از تغذیه طبیعی آنها است که از پیامدهاي آن میتوان به کاهش سطح آب، درگیري میان استفادهکنندگان آبهاي زیرزمینی و سطحی، سهمیهبندي منطقهاي آب، خشک شدن چاهها، کاهش آب رودخانهها و دریاچهها، تغییرات غیرقابل پیشبینی کیفیت آب، افزایش هزینه پمپاژ، تغییرات در الگوهاي جریان آبی، فرونشت زمین و کاهش بازدهی اشاره نمود.
از این رو مشکلات شدید زیست محیطی، اجتماعی و اقتصادي در بسیاري از حوزههاي آبخیز مشاهده میشود. با افزایش تقاضاي آب، فشار بر منابع زیرزمینی در دورههاي کوتاه مدت و بلندمدت افزایش مییابد. افزون بر این، تغییرات آب و هوایی اثرات قابل توجهی بر کمیت و کیفیت منابع آب زیرزمینی دارد 1]،.[3 در مجموع میتوان استدلال نمود که تغذیه مجدد آبهاي زیرزمینی به میزانی کمتر از حالت طبیعی در طول دورههاي خشکسالی باعث میشود که عرضه یا سطح منابع آبی کاهش یابد .[1] آبهاي زیرزمینی به طور کلی تحت تأثیر فرآیندهاي مختلفی از جمله بارش، تبخیر و تعرق، استفاده از زمین، خصوصیات خاك و توپوگرافی منطقه قرار میگیرند .[4, 5, 6]
ارزیابی نحوه اثرگذاري این عوامل بر سطح آبهاي زیرزمینی امري پیچیده است. به همین جهت اندازهگیري منظم و بلندمدت سطح آبهاي زیرزمینی یک معیار مناسب براي بررسی رفتار جریان و ذخیرهي یک سفرهي آب زیرزمینی می-باشد و امکان مدیریت منابع آبی را فرآهم میآورد .[4] مدیریت منابع آب زیرزمینی در ایران از اهمیت بسیار بالایی برخوردار است. پیشبینی دقیق سطح آبهاي زیرزمینی یکی از اجزاي مهم برنامهریزي و یکپارچهسازي این منبع مهم آبی در کشور است.
با توجه به رشد تقاضا و مصرف آب، استحصال و بهرهبرداري از این منبع طی سالهاي اخیر از رشد قابل توجهی برخوردار بوده، به نحوي که سطح آبهاي زیرزمینی در بسیاري از مناطق ایران کاهش یافته است. با در نظر گرفتن بحران آبهاي زیرزمینی و اهمیت بسیار این منبع در فرآیند توسعه اقتصادي، کشاورزي، و اجتماعی کشور، این مطالعه سعی در پاسخگویی به این سؤال را دارد که سطح آبهاي زیرزمینی دشت جیرفت به عنوان یکی از دشتهاي مهم کشور از چه روندي در آینده برخوردار خواهد بود؟ براي پاسخگویی به این سؤال لازم است که از روشهاي پیشرفته آماري استفاده گردد. اما، پیشبینی سطح آبهاي زیرزمینی بسیار مشکل میباشد و این امر به دلیل وجود ماهیت غیرخطی و تصادفی بودن آن است.
افزون بر این، اثرگذاري عوامل طبیعی و انسانی موجب پیچیدهتر شدن پیشبینی میشود. از این رو، محققین روشهاي متعددي براي پیشبینی سطح آبهاي زیرزمینی معرفی نمودهاند که در میان آنها، شبکه عصبی مصنوعی از دقت و عملکرد بسیار بالایی برخوردار بوده و به همین جهت در بسیاري از مطالعات از این روش براي پیشبینی سطح آبهاي زیرزمینی استفاده شده است. براي مثال، مایر و دندي در مطالعهاي مروري به اصول مدلسازي و کاربردهاي شبکههاي عصبی مصنوعی در پیشبینی سطح آبهاي زیرزمینی پرداختند و توسعه این مدلها را براي پیشبینی وضعیت منابع آبی پیشنهاد دادند .[7]
کوپولا و همکاران١از مدل شبیهسازي شبکه عصبی مصنوعی براي پیشبینی تراز سطح آب زیرزمینی استفاده نمودند. نتایج شبیهسازي نشان داد که مدل شبکه عصبی با دقت بالایی نسبت به مدلهاي عددي آب زیرزمینی میتواند تراز سطح آب را براي افق بلندمدت پیشبینی نماید .[8] دلیاکوپولوس و همکاران٢ در مطالعهاي با استفاده از شبکههاي عصبی مصنوعی به پیشبینی و مدلسازي سطح آبهاي زیرزمینی منطقه مسارا3 در کشور یونان پرداختند. نتایج مطالعه آنها نشان داد که سطح آبهاي زیرزمینی در منطقه مذکور به طور پیوسته طی 15 سال اخیر کاهش یافته است .[9]
لالهام و همکاران١در مطالعهاي به امکانسنجی استفاده از شبکههاي عصبی مصنوعی در برآورد سطح آبهاي زیرزمینی آبخوانی در شمال فرانسه پرداختند. آنها با استفاده از دادههاي ماهانه طی سالهاي -1999 - 3 - 1988 - 1 - به این نتیجه دست یافتند که با توجه به معیارهاي دقت، شبیهسازيهاي مبتنی بر شبکه عصبی از عملکرد مطلوبی برخوردار میباشند .[10]
نایاك و همکاران٢در مطالعهاي به بررسی توانایی شبکههاي عصبی در پیشبینی نوسانات سطح آب زیرزمینی براي یک آبخوان ساحلی در کشور هند پرداختند. آنها با استفاده از دادههاي ماهانه طی دورهي 1989-1981 به این نتیجه دست یافتند که شبکههاي عصبی مصنوعی در پیشبینی سطح آبهاي زیرزمینی عملکرد مطلوبی را دارند و لذا از این مدلها میتوان براي مدیریت و برنامهریزي مناسب آبهاي زیرزمینی استفاده نمود .[1]
بنرجی و همکاران ٣به پیشبینی سطح آب زیرزمینی در یک حوزه آبخیز در جنوب شرقی کشور هند پرداختند. با استفاده از دادههاي ماهانه طی سالهاي 2004 - 8 - -2007 - 4 - ، نتایج مطالعه نشان داد که شبکه عصبی مصنوعی یک روش بسیار مناسب در پیشبینی هیدرولوژیکی شرایط آبخوانهاي مختلف میباشد. یانگ و همکاران٤در مطالعهاي به مقایسه مدلهاي مختلف پیشبینی سطوح آب زیرزمینی در شمال شرقی چین پرداختند. نتایج مطالعه براي سالهاي 1986-2004 نشان داد که شبکههاي عصبی مصنوعی در مقایسه با مدلهاي سريزمانی پیشبینیهاي بسیار دقیقتري را ارائه میدهند .[12]
موهنتی و همکاران٥در مطالعهاي با روش توسعه یافته شبکه عصبی مصنوعی به پیشبینی سطح آب زیرزمینی در شرق هند پرداختند. آنها با استفاده از دادههاي ماهانه طی دورهي 2004 - 2 - -2007 - 6 - به این نتیجه دست یافتند که اگرچه دقت پیشبینی سطح آب زیرزمینی با افزایش زمان انتظار کاهش مییابد؛ اما، پیشبینی سطح آب زیرزمینی براي زمان-هاي انتظار بیشتر نتایج قابل قبولتري را ارائه میدهد .[13] یون و همکاران٦در پژوهشی توانایی دو روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان7در پیشبینی سطح آبهاي زیرزمینی را مورد مقایسه قرار دادند.
با استفاده از دادههاي ماهانه براي سالهاي 2004 و 2005 در یک آبخوان ساحلی در کشور کره جنوبی، نتایج مطالعه نشان داد که براي داده-هاي آموزش و آزمون، ریشه میانگین مربعات خطا8 در مدل شبکه عصبی مصنوعی نسبت به روش ماشین بردار پشتیبان کمتر میباشد، در حالی که عملکرد کلی دو مدل مشابه با یکدیگر میباشد .[14] بسیه و همکاران٩ در مطالعهاي با به کارگیري شبکههاي عصبی مصنوعی به پیشبینی سطح آبهاي زیرزمینی براي یک حوضه آبخیز در کشور عمان طی سالهاي 1999-2012 پرداختند. نتایج مطالعه نشان داد که شبکههاي عصبی مصنوعی قادر به پیشبینی صحیح سطح آبهاي زیرزمینی میباشند .
[15] در مطالعات داخلی؛ محتشم و همکاران در مطالعهاي به پیشبینی سطح آب زیرزمینی دشت بیرجند با استفاده از شبکههاي عصبی مصنوعی طی 15 سال اخیر پرداختند. نتایج مطالعه نشان داد که شبکه عصبی مصنوعی میتواند پیشبینیهاي بسیار دقیقی را ارائه دهند .[16] مختاري و همکاران از شبکههاي عصبی مصنوعی براي پیشبینی نوسانات تراز آب زیرزمینی دشت شبستر در استان آذربایجان شرقی طی دورهي 1380-88 استفاده کردند که نتایج مطالعه مؤید دقت بالاي شبکههاي عصبی در پیشبینی تراز آبی است .[17]
