بررسی روند نوسانات مکانی-زمانی سطح ایستابی آب‌های زیرزمینی به روش ماشین بردارپشتیبان(SVM) و کریجینگ(kriging) (مطالعه موردی دشت سیلاخور)

Abstract

از آنجا که منابع آب زیرزمینی از منابع آبی مهم و همچنین رو به کاهش می‌باشد مطالعه و مدل سازی مناسب برای بهره‌برداری از آن حایز اهمیت است. ارزیابی و پیش بینی تراز آب زیرزمینی به پیش بینی منابع آب زیرزمینی کمک می‌کند. امروزه استفاده از روش‌های هوش مصنوعی بر پایه تئوری داده‌کاوی برای پیش‌بینی نوسانات سطح ایستابی استفاده می‌شود. در این میان روش ماشین‌‌بردارپشتیبان در بین روش‌های هوش مصنوعی و روش کریجینگ در بین روش‌های زمین‌آماری دارای دقت قابل ملاحظه-ای به ترتیب در پیش‌‌بینی زمانی و مکانی تراز سطح ایستابی می‌باشد. در این پژوهش از مدل ترکیبی ماشین‌بردار‌پشتیبان و کریجینگ به عنوان روشی نوین برای پیش‌بینی زمانی و مکانی نوسانات سطح ایستابی در محدوده دشت سیلاخور استفاده شده است. در مرحله اول، مدل‌سازی زمانی با استفاده از مدل ماشین‌بردار‌پشتیبان از داده‌های 11 چاه پیزومتری موجود در منطقه به روش ماشین‌بردار‌پشتیبان صورت پذیرفت و در مرحله دوم برای پیش‌بینی مکانی از داده‌های ماهانه خروجی مرحله اول به عنوان ورودی مدل زمین‌آمار استفاده گردید. داده‌های 11 چاه مشاهداتی در دشت سیلاخور پس از جمع‌آوری در بازه ده ساله اخیر در دو حالت نرمال و غیرنرمال به عنوان ورودی مدل SVM مورد استفاده قرار گرفتند. با استفاده از نرم‌افزار Matlab الگوریتم تابع ماشین‌بردارپشتیبان بگونه‌ای تنظیم شد که در هر مرحله داده‌های یک چاه به عنوان ورودی این مدل باشد. تراز آب در این روش برای زمان 1+t پیش‌بینی خواهد شد. پیش‌بینی مکانی داده ها در نرم افزازArcGIS و در بخش Geostatical Analys به روش کریجینگ مدلسازی گردید. برای ترازیابی در این بخش، جدول(1) به عنوان ورودی مورد استفاده قرار می‌گیرد. مطلق بودن تخمین در درونیابی و مکانیابی از ویژگی‌های عمده مدل کریجینگ می‌باشد. بدین مفهوم که مقدار تخمین کمیت در نقاط نمونه‌برداری با مقدار اندازه‌گیری شده برابر می‌باشد و واریانس تخمین صفر می‌گردد. این ویژگی سبب می‌گردد که تخمین‌گر کریجینگ در رسم خطوط همتراز از حداکثر نقاط نمونه‌برداری عبور نموده و تمایلی به بسته شدن و دور زدن را نداشته باشد و از مرز محدوده مورد مطالعه فراتر رود. در واقع این مدل برای تخمین نقاط مجهول مقدار واریانس را به حداقل می‌رساند. بنابراین منحنی های میزان بر اساس روندیابی ترسیم می‌گردند و در نتیجه از مرز محدوده ترسیم فراتر می‌روند. نتایج به دست آمده از پژوهش بیانگر آن است که این مدل ترکیبی می‌تواند به طور موفقیت‌آمیزی برای پیش‌بینی نوسانات سطح ایستابی مورد استفاده قرار گیرند. در بهترین حالت اجرای مدل، بالاترین ضریب تبیین برای چاه‌های چغادون(96/0=DC)، کارخانه قند(94/0=DC) و ولیان(93/0=DC) محاسبه شد که نشان دهنده دقت مناسب مدل ترکیبی در پیش ‌بینی تراز آب زیرزمینی می‌باشد.

Keywords

• تراز آب زیرزمینی
• کریجینگ
• دشت سیلاخور
• ماشین‌بردار‌پشتیبان
• پیش‌بینی مکانی-زمانی