مقایسه روش‌های درون‌یابی به‌منظور بهبود پیش‌بینی سطح ایستابی آب زیرزمینی با استفاده از روش‌های یادگیری عمیق

Abstract

منابع آب زیرزمینی عامل مهمی در مدیریت و نگهداری آب است که برای آب آشامیدنی، آبیاری و سایر اهداف استفاده می­شود. پیش‌بینی سطح آب زیرزمینی برای ارزیابی کل منابع آب و تخصیص آن‌ها، کمک به پایداری آب و کاهش خشکسالی بسیار مهم است. برخی اوقات وجود موانعی مانند نامساعدبودن شرایط جوی، مسدودبودن راه­ها و یا نبود تجهیزات و افراد کافی اندازه‌گیری تا ماه­ها انجام نمی­گیرد. از طرفی داده‌های دقیق و فراوان سطح آب زیرزمینی به پیش‌بینی پیامدهای مختلف مربوط به مدیریت آب زیرزمینی و سلامت اکوسیستم کمک می­کند. با این وجود تکمیل داده‌های مفقودشده و بهبود آن‌ها به‌روش درون‌یابی کمک مؤثری در پیش‌بینی سطح ایستابی به‌روش یادگیری عمیق می­کند. در این مطالعه آبخوان آذرشهر که به‌تازگی با افت سطح آب زیر­زمینی قابل‌توجهی روبه‌رو شده است به‌صورت ماهیانه از سال 1397 تا 1400 موردبررسی قرار گرفت. هم‌چنین جهت تکمیل داده‌هایی که به هر علتی اندازه‌گیری نشده بود از روش‌های درون‌یابی کریجینگ و الگوریتم M5P استفاده شد که با تجزیه و تحلیل هر روش، روش M5P با حداقل ریشه میانگین مربع خطا 83/1 متر و ضریب همبستگی 975/0 بهترین عملکرد را داشت. از طرفی برای پیش­بینی سطح آب زیرزمینی داده‌ها به دو صورت واسنجی و صحت‌سنجی70 به 30 تقسیم‌بندی شده و از روش یادگیری عمیق (DL) بهره گرفته شد که این روش با خطای 408/1 متر و دقت 88 درصد، قابل‌قبول بوده و می­توان در پژوهش‌های آتی جهت مدیریت بهتر منابع آبی مورداستفاده قرار گیرد.

Keywords

• پیش‌بینی
• درون‌یابی
• سطح آب زیرزمینی
• یادگیری عمیق
• m5p