Rainfall-ground water level modeling using Adaptive Neuro-Fuzzy Inference Systems
محورهای موضوعی : water resource managementیول امان ناظری 1 , نادر جندقی 2 , مجتبی قره محمودلو 3 , مجید عظیم محسنی 4
1 -
2 -
3 -
4 -
کلید واژه: بارش, modelling, rainfall, مدل سازی, Transfer function, تراز آب زیرزمینی, Groundwater level, Cross Correlation, تابع انتقال, همبستگی متقابل,
چکیده مقاله :
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
ﺁﺏﻫﺎی ﺯﻳﺮﺯﻣﻴﻨﻲ ﺍﺭﺯﺷﻤﻨﺪﺗﺮﻳﻦ ﻣﻨﺎﺑﻊ ﺁبی در کشور ایران بوده که ﻋﻤﺪﺗﺎ ﺗﺤﺖ ﺗﺄﺛﻴﺮ ﺍﻟﮕﻮﻫﺎی ﺑﺎﺭﺵ ﺩﺭ ﻳﻚ ﻣﻨﻄﻘﻪ ﻗﺮﺍﺭ ﺩﺍﺭﻧﺪ. در پژوهش حاضر از آمار 30 ساله بارش و تراز آب زیرزمینی در سه حوضه آبخیز گالیکش، رامیان و محمدآباد جهت مدل سازی بارش-تراز آب زیرزمینی استفاده شد. پیش بینی مقادیر تراز آب زیرزمینی با استفاده از داده های بارش برای 12 ماه آینده به کمک مدل تابع انتقال با استفاده از نرمافزار SPSS انجام شد. در مرحله بعد اعتبارسنجی مقادیر پیش بینی شده با استفاده از شاخص های MAD، RMSE و MAPE مورد ارزیابی قرار گرفت. نتایج نمودار خودهمبستگی متقابل نشان داد در حوضه های گالیکش و محمدآباد بارش با سه ماه تاخیر بر تراز آب زیرزمینی تاثیر مستقیم گذاشته است، اما در حوضه آبخیز رامیان این تاخیر یک ماهه بود. همچنین مشخص شد مدل تابع انتقال در برازش مقادیر تراز آب زیرزمینی ماهانه در هر 3 حوضه آبخیز مورد بررسی عملکردی مناسبی داشته است.
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.
