شناسایی همزمان پارامتر های هدایت هیدرولیکی وضریب ذخیره آبخوان ناهمگن با استفاده از مدل تفاضلات محدود و شبکه عصبی مصنوعی(مطالعه موردی دشت اوان)

یکی از چالش های مهم در مدل سازی وجود مقادیر کافی پارامترهای مورد استفاده است که برای مشخص کردن خواص فیزیکی و شیمیایی آبخوان به کار می رود.این پارامترها را می توان از آزمون پمپاژ و مطالعات ژئوفیزیک به دست آورد ولی مقادیر به‎ دست آمده از این روش فقط مربوط به بخش هایی است که درآنجا آزمون پمپاژ صورت گرفته،بنابراین برای پیش بینی این مقادیر مجبور به استفاده ازمدلهای جریان آب زیرزمینی و واسنجی مدل می شویم که این فرآیند نیازمند مدت زمان طولانی است.این در حالی است که شبکه های عصبی مصنوعی به عنوان مدلهای جعبه سیاه، ابزاری توانمند برای مدل سازی سیستم های غیرخطی بوده و قادرند روابط پیچیده حاکم بر چنین فرآیندهایی را مدل نمایند.از آنجایی که زمان یکی از عواملی است که جهان امروز به دنبال کاهش آن در رسیدن به اهداف مورد نظر می باشد، شبکه های عصبی مصنوعی امکان مدل سازی منابع آب زیرزمینی را با صرف زمان اندک با استفاده از اطلاعات و آمار موجود امکان پذیر ساخته اند. بدین منظور، مدل کمی آبهای زیرزمینی دشت اوان با مساحت بالغ بر 195 کیلومترمربع که در جنوب غرب شهرستان اندیمشک و در مسیر جاده اندیمشک به دهلران واقع شده است، با استفاده از نرم افزار gms7.1(کد modflow2000) تهیه گردید. ابتدا مدل طراحی شده در شرایط ماندگار در شهریور ماه 1389 به مدت یک ماه اجرا شد وواسنجی مدل با استفاده از شبکه عصبی صورت گرفت.به این صورت که سطح آب هر سلول به همراه سطح آب هشت گره اطراف سلول ومختصات هریک از سلولها به عنوان ورودی وهدایت هیدرولیکی به عنوان خروجی به شبکه داده شد و شبکه آموزش پیدا کرده ومقادیر هدایت هیدرولیکی را تخمین زد.در شرایط ناماندگارنیز برای 12 ماه از مهر 1389 تا شهریور 1390 مدل اجرا شد وبرای واسنجی مدل علاوه بر پارامترهای ورودی ذکر شده زمان نیز به عنوان ورودی به شبکه معرفی شد و ضریب ذخیره به عنوان خروجی به شبکه معرفی گردید و با آموزش شبکه مقادیر ضریب ذخیره تخمین زده شد ومدل واسنجی گردید. نتایج نشان می دهد بهترین نوع شبکه برای هر دو حالت پایدار و ناپایدار، شبکه ffn-lm می باشد. صحت سنجی مدل نیز کارآیی شبکه عصبی را در شبیه سازی سطح آب زیرزمینی دشت اوان تایید می نماید.