Rainfall-ground water level modeling using Adaptive Neuro-Fuzzy Inference Systems

Subject Areas : water resource management

یول امان ناظری ¹ , نادر جندقی ² , مجتبی قره محمودلو ³ , مجید عظیم محسنی ⁴

1 -
2 -
3 -
4 -

Received: 2023-07-21 Accepted : 2023-09-16 Published : 2023-10-20

Keywords: بارش, modelling, rainfall, مدل سازی, Transfer function, تراز آب زیرزمینی, Groundwater level, Cross Correlation, تابع انتقال, همبستگی متقابل,

Abstract :

Groundwater is the most valuable water resource in Iran, which is mainly influenced by rainfall patterns in a region. In the present study, 30-years rainfall and groundwater level data were used in the three watersheds of Galikesh, Ramian and Mohammadabad to model the rainfall and groundwater level. The prediction of the groundwater level using the rainfall data for the next 12 months was done using the Transfer Function (TF) and using SAS software. Then, the validation of predicted data was evaluated using MAD, RMSE and MAPE indices. The results of the autocorrelation diagrams showed that in Galikesh and Mohammadabad watersheds, rainfall has a direct effect on the groundwater level with a delay of three months, but in the Ramian watershed, this delay was one month. It was also found that the transfer function model had a good performance in fitting the monthly groundwater level in all 3 studied watersheds

References:

اصلاحی، م. (1382). زمینه­سازی برای کاربست مدل­های توابع انتقال جهت پیش­بینی بارندگی در منطقه تبریز. سومین همایش پیش­بینی عددی وضع هوا. پژوهشگاه هواشناسی و علوم جو، پژوهشگاه هواشناسی و علوم جوسازمان هواشناسی کشور. 24 آذر 1382، تهران، ایران.

جندقی، ن.، قره‌­محمودلو، م. و نصیری، ا. (1400). اثر دوره­های ترسالی و خشکسالی بر پارامترهای فیزیکوشیمیایی آبخوان در بخش شرقی دشت گرگان. مدیریت بیابان، دوره 9، شماره 2، ص 78-63.

جندقی، ن.، عظیم­محسنی، م. و قره‌­محمودلو، م. (1400). مدل­سازی فرآیند بارش-رواناب با استفاده از تابع انتقال سری­های زمانی. مجله پژوهش­های فرسایش محیطی، دوره 11، شماره 2، ص 128-111.

ناظری، ی.ا.، جندقی، ن.، قره‌­محمودلو، م. و عظیم­محسنی، م. (1401). ارتباط بین بارش و تراز آب زیرزمینی با استفاده از رگرسیون تاخیر زمانی. پایان­نامه کارشناسی ارشد آبخیزداری، دانشگاه گنبد کاووس. 52 ص.

Bowerman, B.L. and O’Connel, R. (1993). Forecasting and time series: Anapplied approach. Third edition, Amazon Publication, 722 p.

Michiel, P., Denie, C.M.A., Dimmie, M.D.H. and Suzanne J.M.H.H. (2020). Applying transfer function-noise modelling to characterize soil moisture dynamics: a data-driven approach using remote sensing data. Environmental Modelling & Software, 131, pp: 1-15. 

Rashidi, S., Mohammadian, M. and Vagharfard, H. (2016). Predicting of Groundwater Level Fluctuation Using ANN and ANFIS in Lailakh plain. International Journal of Advanced Biotechnology and Research, 7 (3), pp: 1078-1084.

Salem, A. (2021). Forecasting rainfall in Saudi Arabia via transfer function models. Journal of Research in Environmental and Earth Sciences, 7 (1), pp: 6-11.

Willem J.Z., Stefanie, A.R.B., Aris, L. and Wilbert, L.B. (2019). Automated Time Series Modeling for Piezometers in the National Database of the Netherlands. Groundwater, 57 (6), pp: 834-843.