در این مطالعه، الگوی آبشستگی در مجاورت سرریزهای سنگی با شکل‌های I، U و J درون کانال‌های خم توسط یک روش هوش مصنوعی نوین تحت عنوان ساختار تعمیم‌یافته روش گروه دسته‌بندی داده‌ها(GSGMDH) شبیه‌سازی شد. در مقایسه با روش(GMDH) گروه دسته‌بندی داده‌ها روش GSGMDH یک روش منعطف‌تر و دقیق‌تر است که در آن گره‌ها می-توانند از لایه‌های غیرهمجوار ورودی بگیرند. در ابتدا، کلیه پارامترهای موثر بر روی عمق آبشستگی در مجاورت سرریزهای سنگی شناسایی گردید و سپس با استفاده از این پارامترها، برای هر یک از روش‌های GMDH و GSGMDH شش مدل مختلف تعریف گردید. با تجزیه و تحلیل نتایج مدل‌های هوش مصنوعی مدل-های برتر معرفی گردید. مدل‌های برتر GMDH و GSGMDH مقادیر آبشستگی‌ها را بر حسب کلیه پارامترهای ورودی تخمین زدند. علاوه بر این، دقت مدل‌های GSGMDH از مدل‌های GMDH بیشتر بود. به‌عنوان مثال، برای مدل‌های برتر GMDH و GSGMDH مقدار شاخص عملکرد در وضعیت تست به‌ترتیب مساوی با 075/73 و 408/86 محاسبه شدند. همچنین، مدل برتر مقادیر تابع هدف را با دقت خوبی پیش‌بینی نمود. به‌عنوان مثال، مقادیر ضریب همبستگی (R)، شاخص پراکندگی(SI) و ضریب نش (NSC) برای مدل برتر GSGMDH در شرایط آموزش به‌ترتیب مساوی با 913/0، 214/0 و 800/0 تخمین زده شدند. با توجه به نتایج تحلیل حساسیت، پارامترهای پارامترهای ضریب شکل سرریزهای سنگی (φ)، نسبت اختلاف عمق جریان در بالادست و پائین‌دست تله سنگی برابر به ارتفاع سازه (y/hstΔ) و عدد فرود تراکمی (Fd) به‌عنوان موثرترین پارامترهای ورودی معرفی گردیدند. تحلیل عدم قطعیت نشان داد که مدل GSGMDH برتر دارای یک عملکرد کمتر از واقعی بود. پرونده مقاله

زمینه و هدف: امروزه با افزایش نیاز آبی در بخش‌های مختلف میزان برداشت از آب‌های زیرزمینی در حال افزایش است و این امر منجر به افت بیشتر تراز آب، درآبخوان‌های استان مرکزی شده است. یکی از مناسب‌ترین روش‌ها برای مدیریت بهینه منابع آب‌زیرزمینی، تجزیه و تحلیل رفتار آبخوان‌ها در شرایط مختلف با استفاده از مدل‌های ریاضی است. هدف از این تحقیق بررسی اثرات برداشت مصارف کشاورزی و صنعتی بر تراز آب زیرزمینی دشت شازند در استان مرکزی و تاثیر افزایش 20 درصدی راندمان آبیاری در اراضی کشاورزی در صورت توسعه سیستم‌های تحت فشار و کم مصرف با استفاده از مدل عددی GMS می‌باشد. روش پژوهش: ابتدا مدل مفهومی و عددی آبخوان شازند در نرم افزار GMS اجرا شده و در حالت ماندگار واسنجی شد. سپس مدل در حالت غیرماندگار برای دوره آماری مهر 1394 تا شهریور 1398 واسنجی شد. برای بررسی واکنش‌های مدل به ازای تغییرات پارامتر‌های مهم و موثر، آنالیز حساسیت مدل انجام شد و مدل برای دوره آماری مهر 1398 تا شهریور 1400 صحت‌سنجی شد. سپس تغییرات تراز آب زیرزمینی در آبخوان تحت دو سناریوی مدیریتی مرجع و افزایش راندمان آبیاری مورد بررسی و مقایسه قرار گرفت. در سناریوی مرجع با فرض ادامه وضع موجود و در سناریوی افزایش راندمان با فرض افزایش 20 درصدی راندمان آبیاری، شبیه‌سازی تغییرات تراز آب زیرزمینی در کل دشت شازند برای 20 سال آتی از مهر 1400 تا شهریور 1420 انجام شد. یافته‌ها: براساس نتایج بدست آمده مقدار خطای RMSE مربوط به واسنجی حالت ماندگار در حدود 7/0 متر و مقدار متوسط خطای RMSE در حالت غیرماندگار در تمام ماه‌های شبیه‌سازی در دو دوره واسنجی و صحت‌سنجی کمتر از 6/0 متر است که نشان دهنده دقت بالای مدل در شبیه‌سازی تراز آب زیرزمینی در کل دشت است. آنالیز حساسیت نشان داد، تغییرات پارامترهای آبدهی ویژه و هدایت هیدرولیکی بیشترین تاثیر را بر نوسانات آب زیرزمینی در کل دشت دارد. نتایج نشان داد در سناریوی مرجع افت تراز آب زیرزمینی در انتهای دوره 20 ساله بهره‌برداری، 95/3 متر می‌باشد. در سناریوی افزایش 20 درصدی راندمان، با کاهش برداشت از چاه‌های بهره‌برداری در اثر افزایش راندمان آبیاری، مقدار افت به 76/2 متر خواهد رسید که در این‌صورت میزان افت حدود 2/1 متر تعدیل خواهد یافت. نتایج: بر اساس نتایج، بیشترین افت تراز آب زیرزمینی در دو سناریوی مرجع و افزایش راندمان در مناطق مرکزی دشت به ترتیب 2/9 و 9/6 متر است و کمترین میزان افت در مناطق غربی دشت به ترتیب 1 و 5/0 متر است. با توجه به اینکه بخش کشاورزی بیشترین تاثیر را بر افت تراز در آبخوان در نواحی مرکزی دشت دارد، بهتر است برنامه‌های مدیریتی برای کنترل برداشت از آبخوان مانند افزایش راندمان یا اصلاح الگوی کشت بر روی این بخش متمرکز شود. در صورت اجرای سیستم های تحت فشار و افزایش راندمان در دشت تا حدودی میزان افت تراز در منطقه تعدیل می شود اما مشکل حل نخواهد شد و لازم است با اجرای برنامه‌های تکمیلی، بجای محصولات آب بر، گیاهان با نیاز آبی کم کشت شود و در بخش صنعت نیز بجای برداشت از آب زیرزمینی از پساب تصفیه شده شهری استفاده گردد. پرونده مقاله