نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار دانشگاه دامغان، دانشکدۀ علوم زمین، دانشگاه دامغان، دامغان، ایران

2 استادیار دانشگاه سیستان و بلوچستان، دانشکدۀ صنعت و معدن خاش، خاش، ایران

3 استاد دانشگاه تبریز، دانشکدۀ علوم زمین، دانشگاه تبریز، تبریز، ایران

4 استادیار دانشگاه تبریز، دانشکدۀ علوم زمین، دانشگاه تبریز، تبریز، ایران

چکیده

هم‌زمان با رشد روزافزون جمعیت و طرح‌های توسعه و تغییرات اقلیمی در سال‌های اخیر و تأثیر آن بر وضعیت سیستم آبخوان دشت آذرشهر، ضرورت مطالعۀ دقیق و کاربردی پیرامون وضعیت این آبخوان، آشکار می‌شود. بدین منظور، با استفاده از مدل‌های هوش مصنوعی، اقدام به شبیه‌سازی و پیش‌بینی داده‌های سری زمانی بارش، دبی و سطح آب زیرزمینی محدودۀ مورد مطالعه شد و پس از تعمیم این داده‌ها به کل دشت با استفاده از روش درون‌یابی‌کریجینگ بیزین (EBK)، بیلان کلی آبخوان دشت به‌دست‌آمده و نتایج وارد مدل سیستم پویای آبخوان دشت در محیط نرم‌افزاری WEAP شد. با ایجاد سناریوی مرجع برای بازۀ زمانی 1392 تا 1400 و اعمال تنش افزایش جمعیت و میزان آب مصرفی بخش کشاورزی در طی این بازه، پاسخ آبخوان به تنش‌های وارده بررسی شد. سیستم پویای آبخوان دشت در قبال روند افزایشی 2 درصدی جمعیت و 1 درصدی آب مصرفی بخش کشاورزی، کاهش حجم مخزن به میزان حدود 7 درصد در پایان دورۀ تنش (سال 1400) را نشان داد. پژوهش حاضر بیانگر قابلیت بالای ترکیب هوش مصنوعی و پویایی سیستم در پیش‌بینی پاسخ آیندۀ سیستم آبخوان به تغییرات اقلیمی است و می‌تواند در راستای مدیریت منابع آب و پیش‌بینی تمهیدات لازم برای آینده به‌کار رود.

کلیدواژه‌ها

عنوان مقاله [English]

Forecasting of Azarshahr Plain Aquifer Response to the Climate Changes, Using Artificial Intelligence-System Dynamic Hybrid Model

نویسندگان [English]

  • dr.aliakbar taghipoor 1
  • dr.alireza docheshmeh gorgich 2
  • dr.asghar asghari moghadam 3
  • dr.ataollah nadiri 4

چکیده [English]

Beside the improvement plans and climate change increasing during the last years and its effects on Azarshahr plain aquifer system, reveals the necessity of precise and applicable study about the aquifer situation. For this aim, Using the Artificial Intelligence, simulation and prediction of rainfall and run-off time series was done and expanded overall the plain by Empirical Bayesian Kriging(EBK), the forecasted total water budget of the plain and the other data were imported into the plain Aquifer dynamic system, in WEAP software. The response of the aquifer against the stresses was evaluated during the reference period from 2013 to 2021, applying the population growth and agricultural water demand increasing. The plain aquifer dynamic system, showed the reservoir capacity losing about 7% at the end of stress period (2021) in consequence of 2 and 1% increasing of population and agricultural water demand respectively. Present study shows the high performance of artificial intelligence and system dynamic conjugation in system response to the future climate changes and it can be useful for the water resources management and prediction of future vital actions.

کلیدواژه‌ها [English]

  • climate change
  • Azarshahr
  • Artificial Intelligence
  • Bayesian Kriging
  • System Dynamic
  • Water Resources Management

دوچشمه گرگیج، علیرضا. (1394). هیدروژئولوژی آبخوان دشت آذرشهر و مدل‌سازی کمّی آن با استفاده از مدل‌های ترکیبی و پویایی سیستم. پایان‌نامۀ دورۀ دکتری، دانشگاه تبریز.

شرکت مهندسان مشاور مشاور یکم. (1385). مطالعات آب زیرزمینی دشت آذرشهر، جلد اول.

شریف، بهزاد. (1387). ترجمۀ خودآموز WEAP، مهاب قدس.

صلوی‌تبار، عبدالرحیم؛ ضرغامی، مهدی؛ ابریشم‌چی، احمد. (1385). مدل پویایی سیستم در مدیریت آب شهری تهران، آب و فاضلاب، صاحب امتیاز: مهندسین مشاور طرح و تحقیقات آب و فاضلاب، 59 ،12-28.

عالم تبریز، اکبر؛ زندیه، مصطفی؛ محمدرحیمی، علیرضا. (1390). الگوریتم‌های فراابتکاری در بهینه‌سازی ترکیبی، چاپ دوم، انتشارات صفار-اشراقی، تهران.

فتوکیان، محمدرضا؛ صفاری، نسیم؛ ضرغامی، مهدی. (1396). مدل‌سازی پویایی سیستم سد مخزن یامچی با اعمال الگوی بهینۀ کشت درجهت تدوین سیاست بهره‌برداری، تحقیقات منابع آب ایران، صاحب امتیاز: انجمن علوم و مهندسی منابع آب ، 13، 1-16.

فرتوک‌زاده، حمیدرضا؛ قجاوند، سمیه؛ رجبی نهوجی، میثم. (1392). الگوسازی پویایی سیستم آب منطقه‌ای تهران با هدف مدیریت مؤثر، آب و فاضلاب، صاحب امتیاز: مهندسین مشاور طرح و تحقیقات آب و فاضلاب، 26، 23-36.

قشقایی، مریم؛ طوفان تبریزی، نسیم؛ حسینی صفا، حمیده. (1387). بررسی تغییرات متوسط تراز آب زیرزمینی در دشت تهران با استفاده از پویایی سیستم، چهارمین کنگرۀ ملی مهندسی عمران، تهران.

مولوی، حسین؛ لیاقت، عبدالمجید؛ نظری، بیژن. (1395). ارزیابی سیاست‌های اصلاح الگوی کشت و مدیریت کم آبیاری با استفاده از مدل‌سازی پویایی سیستم (مطالعۀ موردی: حوضۀ آبریز ارس)، مدیریت آب و آبیاری، صاحب امتیاز: دانشگاه تهران، دورۀ 6، شمارۀ 2، 217-236.

مؤمنی، ابراهیم؛ تجریشی، مسعود؛ ابریشم‌چی، احمد. (1385). مدل‌سازی بهره‌برداری از مخزن چند‌منظوره با استفاده از روش پویایی سیستم، آب و فاضلاب، صاحب امتیاز: مهندسین مشاور طرح و تحقیقات آب و فاضلاب، 57، 47-58.

ناصری، حمیدرضا؛ احمدی، سیما؛ صلوی تبار، عبدالرحیم. (1390). مدل‌سازی بهره‌برداری تلفیقی از منابع آب پایاب سد شهرچای (ارومیه) به روش پویایی سیستم، دانشگاه علوم پزشکی کرمان، صاحب امتیاز: دانشگاه علوم پزشکی کرمان ، 4، 97-108.

 

Anderson M.P. and Woessner W.W., 1992, Applid groundwater modeling flow and advective transport, Academic press, Inc.

Giordano R., Brugnach M. and Vurro M., 2012, System Dynamic Modelling for conflicts analysis in groundwater management, International Congress on Environmental Modelling and Software Managing Resources of a Limited Planet, Sixth Biennial Meeting, Leipzig, Germany.

Levite H., Sally H. and Cour J., 2003, Testing water demand management scenarios in a water-stressed basin in South Africa: application of the WEAP model, Physics and Chemistry of the Earth 28: 779–786.

Li X., Zhao Y., Shi Ch., Sha J., Wang Z., and Wang Y., 2015, Application of Water Evaluation and Planning (WEAP) model for water resources management strategy estimation in coastal Binhai New Area, China. Ocean & Coastal Manage. 106: 97-109.

Liu H., Benoit G., Liu T., Liu Y., Guo H., 2015, An integrated system dynamics model develops for managing lake water quality at the wa tershed scale. J Environ Manage. 155:11 -23.

Mallat S.G., 1998, A Wavelet Tour of Signal Processing, second ed. Academic Press, San Diego.

Mehta V., Haden V., Joyce B., Purkey D., and Jackson L., 2013, Irrigation demand and supply, given projections of climate and land use change, in Yolo County, California, Agricultural Water Management, 117:70-82.

Nourani V., Alami M. and Aminfar M., 2009, A combined neural-wavelet model for prediction of Ligvanchai watershed precipitation. Eng. Appl. Artif. Intell. 22: 466–472.

Sivapragasam C., Kannabiran K., Karthik G., Raja S., 2015, Assessing Suitability of GP Modeling for Groundwater Level. Aquatic Procedia, 4:693 – 699.

Sušnik J., Lydia S., Lyroudia V., Savić D. and Kapelan Z., 2012, Integrated System Dynamics Modelling for water scarcity assessment: Case study of the Kairouan region, Science of the Total Environ. 440:290– 306.

Xia X. and Leng Poh K., 2013, Using system dynamics for sustainable water resources management in Singapore, Procedia Computer Science. 16: 157–166.

Zarghami M. and Akbariyeh S., 2012, System dynamics modeling for complex urban water systems: Application to the city of Tabriz, Iran. Resources, Conservation and Recycling. 60: 99– 106.