بررسی تغییرات تراز سفره آب زیرزمینی با استفاده از الگوریتم فیلتر ذره مبتنی بر جذب داده ماهواره‌ای (محدوده خراسان جنوبی)

Authorsمهدی ملازاده,امید حاجی سمیعی,محمد اکبری
Journalاکو هیدرولوژی
Page number۱-۱۰
Serial number۹
Volume number۵
Paper TypeFull Paper
Published At۲۰۲۳
Journal TypeTypographic
Journal CountryIran, Islamic Republic Of
Journal Indexisc

Abstract

در دهه‌های گذشته به دلیل برداشت بی‌رویه از منابع آب زیرزمینی، کاهش بارندگی‌ها و افزایش دمای هوا، سطح آب‌های زیرزمینی به شدت کاهش پیدا کرده است. بر اساس پژوهش‌های قبلی، کشور ایران از ۱۳۰ میلیارد مترمکعب منابع آب زیرزمینی برخوردار بوده؛ اما منابع آب تجدیدشونده در ۲۰ سال گذشته به ۱۱۰ میلیارد مترمکعب و در شش سال گذشته به کمتر از ۱۰۰ میلیارد مترمکعب کاهش یافته است. لذا مساله تغییرات سطح آب زیرزمینی و پیش‌بینی این تغییرات از اهمیت ویژه‌ای برخوردار است. در این پژوهش سعی بر آن شد تا مدلی توسعه داده شود که با استفاده از الگوریتم جذب داده به پیش‌بینی این تغییرات بپردازد. علاوه بر این، یک مدل یادگیری عمیق نیز به‌عنوان مدل رقیب توسعه داده شد تا نتایج حاصل از مدل پیشنهادی با آن مورد مقایسه قرار گیرند. استان خراسان جنوبی به‌عنوان مطالعه موردی جهت مدلسازی انتخاب شد. مقایسه بین مدل پیشنهادی و رقیب نشان داد که مدل پیشنهادی توانایی بسیار بالایی در پیش‌بینی داشته و دقت آن در حدود دقت مدل رقیب است. براساس این ارزیابی، برای مدل پیشنهادی و مدل رقیب، ضریب تبیین (R^2) به ترتیب برابر 91/0 و 95/0 و ریشه میانگین مربعات خطا (RMSE) به ترتیب برابر 18/0 و 20/0 بدست آمدند. همچنین ارائه‌ صریح روابط و پارامترهای مدل در کنار ارائه‌ عدم قطعیت‌ها و یک بازه‌ اطمینان‌پذیری، از سایر مزایای مدل پیشنهادی است که می‌تواند آینده گسترده‌ای را برای الگوریتم‌های جذب داده فراهم آورد. البته مدل‌های یادگیری ماشین و یادگیری عمیق که امروزه کاربرد گسترده‎‌‌ای دارند، چنین مزایایی را ارائه نمی‌کنند.

Paper URL

tags: سطح آب زیرزمینی، الگوریتم فیلتر ذره، ماهواره GRACE، یادگیری عمیق، داده ماهوارهای