بهینه‌سازی بهره‌برداری از آبخوان دشت شهریار با شبیه‌سازی جریان آب زیرزمینی به روش مدل‌سازی ترکیبی
محورهای موضوعی : محیط زیستنیما صالحی شفا 1 , حسین بابازاده 2 , فیاض آقایاری 3 , علی صارمی 4 , محمدرضا غفوری 5 , مسعود صفوی 6 , علی پناهدار 7
1 - دانش‌آموخته دکتری رشته آبیاری و زهکشی، دانشکده کشاورزی و صنایع غذایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.
2 - استاد گروه علوم و مهندسی آب، دانشکده کشاورزی و صنایع غذایی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
3 - استادیار گروه زراعت، دانشکده کشاورزی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.
4 - استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی و صنایع غذایی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
5 - دانش‌آموخته کارشناسی‌ارشد رشته هیدروژئولوژی، بخش مهندسی آب و محیط زیست، مهندسین مشاور سازه‌پردازی ایران، تهران، ایران.
6 - دانشجوی دکتری رشته آبیاری و زهکشی، دانشکده کشاورزی و منابع طبیعی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.
7 - دانش‌آموخته کارشناسی‌ارشد رشته سازه‌های هیدرولیکی، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران.
کلید واژه: شبکه عصبی مصنوعی (ANN), پتانسیل آب زیرزمینی, برنامه‌ریزی بهینه, مدل GMS,
چکیده مقاله :
در پژوهش حاضر یک الگوی شبیه‌سازی چند‌هدفه ارایه شد و شش سناریو بر اساس بیلان آب زیرزمینی به‌منظور بهره‌برداری بهینه از آبخوان دشت شهریار تعریف شد. به این منظور، ابتدا با استفاده از مدل های مبتنی بر GIS و با روش‌های فازی و وزنی، مناطق پر آب و کم آب محدوده مطالعاتی به‌منظور اولویت‌بندی منابع و مصارف شناسایی شدند. سپس سناریوهای مورد نظر به وسیله مدل GMS شبیه‌سازی و ارزیابی شدند. در نهایت به منظور افزایش دقت نتایج پژوهش، غلظت TDS و بیلان آب زیرزمینی با استفاده از مدل شبکه عصبی مصنوعی شبیه‌سازی شد. با توجه به نتایج روش‌های فازی و وزنی، مناطق رباط‌کریم، سپس اسلامشهر و در نهایت شهریار به‌عنوان نواحی کم آب مشخص شدند. بر اساس نتایج حاصل شده، بیلان حالت ناپایدار و صحت‌سنجی به ترتیب برابر 344/68- و 109/98- میلیون مترمکعب محاسبه شدند. سناریوی سوم با بیلان 203/33 میلیون مترمکعب به‌عنوان بهترین سناریو انتخاب شد و بیلان حاصل از آن نسبت به بیلان حاصل از مدل GMS و شبکه عصبی برای سال آبی 95 به‌ترتیب برابر 284/87 و 284/83 درصد افزایش یافت. همچنین غلظت کل مواد جامد محلول آب زیرزمینی حاصل از مدل GMS و شبکه عصبی در کل بازه زمانی مطالعاتی به‌طور میانگین برابر 655 و 651 میلی‌گرم بر لیتر برآورد شدند. معیارهای ضریب همبستگی و ضریب تعیین حاصل از مدل‌های شبکه عصبی برای بیلان آب زیرزمینی و کل داده‌ها برابر یک و برای غلظت کل مواد جامد محلول آب زیرزمینی به‌ترتیب برابر 0/997 و 0/994 برآورد شدند. در تحقیق حاضر، الگوی شبیه‌سازی چند‌هدفه به‌عنوان یک روش جامع و کاربردی با ارایه روش‌های شبیه‌سازی نوین، توانایی پشتیبانی از چند سناریوی مؤثر را داشته و منجر به افزایش پایداری سیستم آب زیرزمینی می‌شود.
In this study, a multi-objective simulation model was presented and six scenarios were defined based on the groundwater budget for optimal exploitation of Shahryar plain aquifer. For this purpose, first, using the GIS based models and using fuzzy and weight methods, the regions with high water and low water in the study area were identified in order to prioritize resources and uses. Then the desired scenarios were simulated and evaluated by the (GMS) model. Finally, in order to increase the accuracy of the research results, the (TDS) concentration and the groundwater budget were simulated using the artificial neural network model (ANN). According to the results of fuzzy and weighted methods, the areas of Rabat Karim, then Islamshahr and finally Shahryar were identified as low water areas. Based on the obtained results, the unsteady state budget and verification were calculated as -344.68 and -109.98 (MCM), respectively. The third scenario with a budget of 203.33 (MCM) was chosen as the best scenario and the budget resulting from that, ratio to the budget resulting from the model (GMS) and the neural network for the year 95, has increased by 284.87 percent and 284.83 percent respectively. Also, the concentration of total dissolved solids in the groundwater obtained from the desired models in the entire study period was estimated by 655 and 651 mg/liter on average. The criteria of correlation coefficient and determination coefficient obtained from neural network models for groundwater budget and total data were estimated to be equal to one and for the total dissolved solids concentration of groundwater were estimated to be 0.997 and 0.994, respectively. In the present research, the multi-objective simulation pattern as a comprehensive and practical method by providing new simulation methods has the ability to support several effective scenarios and leads to increase the stability of the groundwater system.
_||_