بررسی نوسانات تراز آب زیرزمینی با روش محاسبات نرم (مطالعه موردی: دشت های ارومیه و میاندوآب)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 211

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WATER-12-3_012

تاریخ نمایه سازی: 16 فروردین 1401

چکیده مقاله:

مطالعه رفتار نوسانات تراز آب ها به دلیل توزیع نامتوازن در چرخه هیدرولوژیک برای بیلان آب حائز اهمیت است. در تحقیق حاضر، نوسانات تراز آب زیرزمینی دشت های ارومیه و میاندوآب در دو مدل SVM و Wavelet از گروه محاسبات نرم، بررسی شده است. برای این منظور، اطلاعات مربوط به بازه زمانی سال های ۱۳۸۱-۱۳۹۶ برای هر دو دشت های ارومیه و میاندوآب با در نظر گرفتن چهار سناریو: (۱) تراز آب زیرزمینی- تراز آب زیرزمینی با یک ماه تاخیر، (۲) تراز آب زیرزمینی- تراز آب زیرزمینی با دو ماه تاخیر، (۳) تراز آب زیرزمینی- بارش و (۴) تراز آب زیرزمینی- دما صورت گرفت. نتایج حاصل از شبیه سازی مورد مقایسه قرار گرفت و بهترین مدل معرفی گردید. نتایج تحلیل رگرسیون حاصل نشان داد ۹۰/۰=R۲ و ۴/۰MSE= به ترتیب متعلق به چاه پیزومتر دوم دشت ارومیه و چاه پیزومتر سوم دشت میاندوآب در هر دو مدل SVM و Wavelet برای سه سناریوی تراز آب زیرزمینی- تراز آب زیرزمینی با یک ماه تاخیر، تراز آب زیرزمینی-بارش و تراز آب زیرزمینی-دما بوده است. داده های متغیرهای اقلیمی دما، بارش و تراز آب زیرزمینی با یک ماه تاخیر به عنوان متغیر مستقل و داده های تراز آب زیرزمینی به عنوان متغیر وابسته سناریوهای مذکور با ۸۰% داده های آموزشی و ۲۰% داده های آزمون را تشکیل دادند؛ و نتایج این بررسی نشان داد که متغیر اقلیمی بارش در نوسانات تراز آب زیرزمینی تاثیر بسزایی دارد. در حالت کلی، نتایج پیش بینی مدل Wavelet بهتر از مدل SVM در بررسی نوسانات تراز آب زیرزمینی در دشت های ارومیه و میاندوآب بدست آمدند. در تحقیق حاضر، بررسی مستقل مدل های مذکور به منظور شبیه­سازی نوسانات تراز آب زیرزمینی و مقایسه یکایک آن دو مدل در کاربرد آنها می باشد.

نویسندگان

فرناز محمدی

مسئول آزمایشگاه هیدرولیک مکانیک سیالات موسسه غیردولتی علم و فن ارومیه

میر علی محمدی

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه ارومیه

جواد بهمنش

گروه مهندسی آب دانشگاه ارومیه

سعید جلیلی

دانشجوی دکترای آبیاری و زهکشی، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • اسمی­خانی م.، صفوی ح.ر. و یزدانی­پور م. (۱۳۸۹). مدیریت تلفیقی ...
  • قبادی، س.، عبقری، ه. و عرفانیان، م. (۱۳۹۶). تحلیل نوسانات ...
  • کماسی، م.، گودرزی، ح. و بهنیا، ا. (۱۳۹۶). بررسی نوسانات ...
  • ندیری، ع. ا.، اصغری­مقدم، ا.، عبقری، ه. و فیجانی، ا. ...
  • ندیری، ع.، طاهرخانی، ز. و صادقی­اقدم، ف. (۱۳۹۶). پیشبینی سطح ...
  • Affandi, A. and Watanabe, K. ۲۰۰۷. Daily groundwater level fluctuation ...
  • Baghvand, A., Nasrabadi, T., Bidhendi, G.N., Vosoogh, A., Karbassi, A. ...
  • Chang, F.J., Chang, L.C., Huang, C.W. and Kao, I.O. ۲۰۱۶. ...
  • Coppola, E., Rana, A., Poulton, M., Szidarovszky, F. and Uhl, ...
  • Coulibaly, P., Anctil, F., Aravena, R. and Bobee, B. ۲۰۰۱. ...
  • Daliakopoulos, L., Coulibaly, P. and Tsanis, I. ۲۰۰۵. Ground water ...
  • Dash, N.B., Panda, S.N., Ramesan, R. and Sahoo, N. ۲۰۱۰. ...
  • Gleeson, T., VanderSteen, J., Sophocleous, M.A., Taniguchi, M., Alley, W.M., ...
  • Imani, M., You, R.J. and Kuo, C.Y. ۲۰۱۴. Forecasting Caspian ...
  • Jeihouni, E., Eslamian, M.S., Mohammadi, M. and Zareian, M.J. ۲۰۱۹. ...
  • Jianhua, P., Yu, Q. and Ma, X. ۲۰۱۳. A combination ...
  • Masoud, M.H.Z., Basahi, J.M. and Zaidi, F.K. ۲۰۱۸. Assessment of ...
  • Nadiri, A., Gharekhani, M., Khatibi, R., Sadeghfam, S. and Asghari ...
  • Naghibi, S.A., Pourghasemi, H.R., & Dixon, B. ۲۰۱۶. GIS-based groundwater ...
  • Natarajan, N., & Sudheer, C.h. ۲۰۲۰. Groundwater level forecasting using ...
  • Nayak, P.C., Rao, Y.R.S. and Sudheer, K.P. ۲۰۰۶. Groundwater level ...
  • Nourani, V., Kisi, Ö. and Komasi, M. ۲۰۱۱. Two hybrid ...
  • Nourani, V., & Mousavi, S. ۲۰۱۶. Spatio-temporal groundwater level modeling ...
  • Pourghasemi, H.R., Sadhasivam, N., Yousefi, S., Tavangar,S., Ghaffari Nazarlou, H., ...
  • Sandoval, J.A. and Tiburan, C. L. ۲۰۱۹. Identification of potential ...
  • Shiri, J., Kisi, O., Yoon, H., Lee, K. K. and ...
  • Suryanarayana, C.h., Sudheer, C.h., Mahammood, V. and Panigrahi, B.K. ۲۰۱۴. ...
  • Todd, D.K. and Mays, L.W. ۲۰۰۵. Groundwater Hydrology. Wiley, Retrieved ...
  • Vapnik, V. ۱۹۹۸. Statistical learning theory. New York, NY: Wiley, ...
  • Yadav, B., and Eliza, K.h. ۲۰۱۷. A hybrid wavelet-support vector ...
  • Yang, C.C., Prasher, S.O., Lacroix, R., Sreekanth, S., Patni, N.K ...
  • Yoon, H., Jun, S.C., Hyun, Y., Bae, G.O. and Lee, ...
  • نمایش کامل مراجع