تهیه مدل شبیه سازی و بهینه سازی آب زیرزمینی با استفاده از روشهای هوش مصنوعی

منطقه مروست یکی از مناطق مهم کشاورزی است که در جنوب استان یزد قرار دارد. نرخ بالای پمپاژ از آبخوان مروست در سالهای گذشته منجر به کاهش سطح تراز آب زیرزمینی در این دشت شده است. لذا مدیریت صحیح آب زیرزمینی آبخوان مروست به کمک مدلسازی جریان آب زیرزمینی امری ضروری است. بدین منظور در این رساله، مدل آب زیرزمینی منطقه مروست با استفاده از ترکیب مدل عددی gms و مدل شبکه های عصبی مصنوعی ایجاد گردید. اشکال اساسی مدلهای عددی در شبیه سازی آب زیرزمینی، نیاز عمومی آنها به داده هایی همچون ضرایب هیدرودینامیکی و مراحل طولانی و پیچیده کالیبراسیون آنها می باشد، درحالیکه شبکه های عصبی مصنوعی راه حلهای ساده و در عین حال دقیقی را برای چنین مسائلی ارائه می نمایند. با توجه به اینکه ساخت مدل شبکه عصبی مصنوعی نیازمند تعداد کافی آمار و داده های ورودی و خروجی جهت استفاده در آموزش و آزمایش شبکه است و با توجه به محدودیت داده ها و عدم وجود آمار مربوط به برداشت ماهانه چاههای بهره برداری در سالهای متوالی در دشت مروست، ابتدا از یک مدل عددی یعنی gms جهت شبیه سازی آب زیرزمینی استفاده کرده و سپس از این مدل عددی کالیبره شده جهت تولید صدها مجموعه داده برای آموزش مدل شبکه عصبی استفاده گردید. نحوه کار بدین ترتیب بود که ابتدا مدل gms با استفاده از آمار سال 74-73 کالیبره و با استفاده از آمار سال 82-81 صحت سنجی گردید. سپس آمار مجهول بین سالهای مذکور با استفاده از 84 بار اجرای مدل gms بصورت ماهانه ایجاد شد و برای ساخت مدل شبکه عصبی مورد استفاده قرار گرفت. با استفاده از نرم افزار مطلب، مدل شبکه عصبی برای پیش بینی سطح آب هریک از چاههای پیزومتر دشت مروست بصورت مجزا ایجاد و سپس با استفاده از مدل مذکور، سطح آب پیزومترهای دشت تحت مقادیر مختلف برداشت آب از سفره پیش بینی گردید. در پایان نیز مقدار حداکثر برداشت با درنظر گرفتن مقداری افت مجاز در سطح آب پیزومترها تعیین شد.