جستجو در مقالات منتشر شده


۱ نتیجه برای محمود نیا
تحلیل و مدل‌سازی تغییرات آب‌های زیرزمینی با استفاده از الگوریتم‌های داده‌کاوی مکانی و زمانی و یادگیری عمیق بمنظور ارتباط سنجی آن با مخاطره فرونشست

دوره ۲۸، شماره ۲ - ( تابستان ۱۴۰۳ )
چکیده
در مناطق خشک و نیمه‌خشک، کمبود آب‌های سطحی منجر به برداشت بی‌رویه از آب‌های زیرزمینی و کاهش شدید سطح آب شده که در بسیاری از دشت‌های ایران به پدیده فرونشست زمین انجامیده است. درک تغییرات سطح آب زیرزمینی برای مدیریت بهینه منابع آبی و کاهش مخاطرات مرتبط اهمیت زیادی دارد. روش‌های مختلف آماری، ریاضی و یادگیری ماشین برای مدل‌سازی این تغییرات استفاده شده‌اند. اخیراً، شبکه‌های عصبی عمیق به‌ویژه برای تحلیل رفتار پیچیده آب‌های زیرزمینی، به‌دلیل ماهیت زمانی-مکانی آن‌ها، مورد توجه قرار گرفته‌اند. در این تحقیق، از مدل ترکیبی Wavelet-Principal Component Analysis (PCA) برای تحلیل داده‌های ۴۴ چاه پیزومتری دشت قهاوند طی دوره ۳۰ ساله (۱۳۶۷-۱۳۹۷) استفاده شده است. این مدل، الگوهای زمانی و مکانی تغییرات سطح آب زیرزمینی را در مقیاس‌های مختلف زمانی استخراج کرده و سپس مؤلفه‌های اصلی به‌دست‌آمده از Wavelet-PCA به مدل شبکه عصبی بازگشتی Long Short Term Memory (LSTM) ارائه شدند تا سری‌های زمانی سطح آب پیش‌بینی شود. سطوح مختلف تبدیل موجک برای شناسایی روندهای کوتاه‌مدت و بلندمدت به‌کار گرفته شد. مدل LSTM با دقت R۲ = ۰,۸۵ برای گروه آموزشی و R۲ = ۰,۶۲ برای داده‌های آزمایشی توانست روندهای سطح آب زیرزمینی را مدل‌سازی کند. همچنین، داده‌های راداری ماهواره Sentinel-۱ بین سال‌های ۲۰۱۴ تا ۲۰۱۹ نشان داد که بیشینه فرونشست زمین در مناطقی با افت قابل‌توجه سطح آب زیرزمینی رخ داده است. همپوشانی این نقشه‌ها با لایه‌های کاربری زمین، ارتباطی معنادار بین فعالیت‌های کشاورزی و افت سطح آب زیرزمینی و فرونشست زمین را نشان داد.

 
صفحه ۱ از ۱