ارزیابی عملکرد مدل های مبتنی بر تجزیه داده و داده های ماهواره گریس برای مدل سازی سطح آب زیرزمینی (مطالعه موردی: آبخوان آسپاس)

Abstract

سابقه و هدف: برداشت بی رویه از آب‌های زیرزمینی باعث شده است که در سال‌های اخیر بیشتر سفره‌های آب زیرزمینی ایران با افت سطح آب مواجه شوند. این موضوع باعث شده است که استفاده از بیشتر سفره‌های آب زیرزمینی ممنوع شود، اکثر قنات‌ها خشک شده‌ و اغلب چشمه‌های دائمی کاهش قابل‌توجهی در آبدهی خود داشته‌اند. لذا بررسی وضعیت سطح آب زیرزمینی بیش از پیش باید مورد توجه قرار گیرد. روش‌ها و ابزارهای مختلفی برای بررسی این موضوع مورد استفاده قرار گرفته‌اند. در بیشتر این مطالعات از مدل-های هوش مصنوعی استفاده شده است. در بین این مدل‌های هوشمند، مدل رگرسیون بردار پشتیبان (SVR) عملکرد خوبی داشته‌اند. در جهت بهبود عملکرد این مدل‌ها، در سال‌های اخیر استفاده از ابزارهای پیش پردازش و تشکیل مدل‌های ترکیبی مورد توجه قرار گرفته است. یکی از این ابزارها، تجزیه مد تجربی یکپارچه کامل (CEEMD) است. در این تحقیق از ترکیب این ابزار با مدل رگرسیون بردار پشتیبان برای بررسی سطح آب زیرزمینی در آبخوان آسپاس استفاده شد. سپس نتایج آنها با نتایج ماهواره ثقل سنجی گریس (GRACE) مقایسه شد. مواد و روش‌ها: زیرحوضه آسپاس با کد 4321 در شمال غربی حوضه طشک بختگان و مهارلو در استان فارس قرار دارد. برای بررسی سطح آب زیرزمینی در این زیرحوضه، از مدل ماشین بردار رگرسیونی با 4 کرنل (هسته) شامل: کرنل‌های چند جمله‌ای (Poly)، RBF، سیگموید و خطی (Lin) استفاده شد. سپس با استفاده از ابزار پیش پردازش CEEMD و ترکیب آن با مدل هوشمند رگرسیون بردار پشتیبان یک مدل ترکیبی حاصل شد. هنگامی که یک سیگنال اولیه با استفاده از روش CEEMD تجزیه شود و سیگنال های فرعی حاصل به عنوان ورودی به مدل هوشمند رگرسیون بردار پشتیبان استفاده شود، مدل ترکیبی CEEMD-SVR حاصل می‌شود. برای مقایسه عملکرد مدل‌های هوش مصنوعی از داده‌های ماهواره‌ای استفاده شد. برای این منظور از محصولات ماهواره گریس با 6 الگوریتم مختلف استفاده شد. برای بررسی کارایی روش‌ها از معیارهای ارزیابی ضریب تعیین (R2)، ریشه میانگین مربعات خطا (RMSE) و معیار اطلاعات آکائیک (AIC) استفاده شد.یافته‌ها: نتایج نشان داد که مدل‌های هوشمند دارای عملکرد بهتری نسبت به محصولات ماهواره گریس بوده‌اند. لذا جهت پیش‌بینی مقادیر سطح آب زیرزمینی استفاده از مدل‌های هوشمند به خصوص مدل CEEMD-SVR مناسب‌تر می‌باشد. یکی از مزیت‌های داده-های ماهواره‌ای این است که به صورت به روز شده در دسترس قرار می‌گیرند در صورتی که بتوان بر مبنای یک روش مناسب مقادیر داده‌های ماهواره‌ای را به مقادیر مشاهداتی نزدیک نمود می‌توان به صورت به روز شده داده‌های سطح آب زیرزمینی را برآورد نمود.نتیجه گیری: در این مطالعه از مدل رگرسیون بردار پشتیبان برای ارزیابی تغییرات سطح آب زیرزمینی در سفره آبرفتی آسپاس واقع در حوضه طشک- بختگان- مهارلو استفاده شد. با استفاده از چاه‌های مشاهده‌ای در منطقه، هیدروگراف آب زیرزمینی آبخوان ترسم شد. تغییرات سطح آب زیرزمینی در سفره با استفاده از مقادیر بارش، دما، پارامترهای تبخیر به‌دست‌آمده از ترسیم نقشه‌های مختلف و سطح آب زیرزمینی در سفره برآورد شد. ابزار پیش پردازش CEEMD استفاده شد. نتایج نشان داد که استفاده از CEEMD عملکرد مدل رگرسیون بردار پشتیبان را تا 08/3 درصد بهبود بخشیده است. مقایسه نتایج الگوریتم‌های پردازشی نشان داد که الگوریتم پردازش GFZ با ضریب تعیین 71/0 و مقدار RMSE ، 15/39 بهترین عملکرد را داشت. در مرحله بعد، عملکرد مدل CEEMD-SVR با الگوریتم GFZ مقایسه شد. نتایج نشان داد که مدل CEEMD-SVR عملکرد بهتری داشته (با ضریب تعیین 77/0 و مقدار خطای 90/25) و قابلیت استفاده برای مدل‌سازی و پیش‌بینی سطح آب زیرزمینی در سایر سفره‌های آب زیرزمینی به‌ویژه آبخوان آسپاس را دارد.

Keywords

• "تجزیه مد تجربی یکپارچه کامل"
• " سطح آب زیرزمینی"
• "ماهواره گریس"
• "آبخوان آسپاس"