Estimation of Groundwater Level in Pyzometric Wells of Moghan Plain (Parsabad) Using Data Mining Methods

اژدری, زهرا and جانی زاده, سعید (2018) Estimation of Groundwater Level in Pyzometric Wells of Moghan Plain (Parsabad) Using Data Mining Methods. In: The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment, 3-4 October 2018, Ardabil, Iran.

[img] Text (پیش بینی تراز آب زیرزمینی در چاه های پیزومتریک دشت مغان (پارس آباد) با استفاده از روش های داده کاوی)
wms97_UMA2018P128T12_ManuRevisedVersion.pdf

Download (385kB)

Abstract

Precise modeling and prediction of groundwater level is one of the key elements of water resources management and environmental policies. In this research, the efficiency of artificial neural network models and vector support machine in estimating the groundwater level in Moghan plain (Parsabad) was evaluated. For this purpose, groundwater level data in 14 piezometric wells in the plain with a length of 11 years from 2003 to 2014 as a dependent variable, and from the data of rainfall, the amount of water entering the plain and the amount of discharge water from the plain to the independent variables was used. In order to predict the groundwater level, different models were used for the input of the model, considering that the third pattern with inputs of rainfall (t), input water (t, t-1), discharge water (t) has the lowest RMSE (0.99) was selected as the best model for modeling and predicting level of level. The results of artificial neural network model showed that artificial neural network has a good ability to simulate the level of piezometric wells. So that the lowest RMSE of the piezometric well BH5 is 0.062, while the maximum RMSE of the piezometric well BH3 is 0.38. And the results of the vector car model showed that the vector support model in most wells had a good ability to simulate the level of piezometh wells. So that the lowest RMSE for piezometric well BH2 is 0.05. While the highest RMSE for the piezometric well BH3 is 2.22. Keywords: Predecting, ANN, SVM, Moghan plain (Parsabad), piezometric well

Item Type: Conference or Workshop Item (Poster)
Persian Title: پیش بینی تراز آب زیرزمینی در چاه های پیزومتریک دشت مغان (پارس آباد) با استفاده از روش های داده کاوی
Persian Abstract: مدل¬سازی و پیش بینی دقیق سطح تراز آب زیرزمینی یکی از عناصر کلیدی مدیریت منابع آب و سیاست¬های محیط زیستی می¬باشد. در این پژوهش کارایی مدل¬های شبکه عصبی مصنوعی و ماشین پشتیبان بردار در پیش¬بینی سطح تراز آب زیرزمینی ماهانه در دشت مغان (پارس¬آباد) مورد ارزیابی قرار گرفت. بدین منظور از داده¬های سطح تراز آب زیرزمینی در 14 چاه پیزومتری در سطح دشت با طول دوره آماری 11 سال از سال 1382 تا 1393 به عنوان متغیر وابسته استفاده و از داده¬های بارندگی، میزان آب ورودی به دشت و میزان آب خروجی از دشت به عنوان متغیرهای مستقل استفاده گردید. به منظور پیش¬بینی ¬تراز آب¬زیرزمینی از الگوهای مختلف جهت ورودی مدل استفاده گردید و با توجه به اینکه الگوی سوم با متغیرهای ورودی بارندگی (t)، میزان آب ورودی (t، t-1)، میزان آب خروجی (t) دارای کمترین RMSE (129/0) بود به عنوان بهترین الگو جهت مدل سازی و پیش بینی سطح تراز انتخاب گردید. نتایج حاصل از مدل شبکه عصبی مصنوعی نشان داد که شبکه عصبی مصنوعی توانایی خوبی در شبیه سازی سطح تراز چاه¬های پیزومتری دارد. به طوری که کم ترین RMSE مربوط به چاه پیزومتری BH5 با 062/0 می باشد در حالی که بیش¬ترین RMSE مربوط به چاه پیزومتری BH3 با 38/0 است. و نتایج مدل ماشین پشتیبان بردار نشان¬دهنده این بود که مدل پشتیبان بردار در بیش¬تر چاه¬ها توانایی خوبی در شبیه سازی سطح تراز چاه¬های پیزومتری داشته است. به طوری که کم ترین RMSE مربوط به چاه پیزومتری BH2 با 05/0 می باشد. در حالی که بیش¬ترین RMSE مربوط به چاه پیزومتری BH3 با 22/2 است. کلمات کلیدی: پیش¬بینی، شبکه عصبی مصنوعی، ماشین پشتیبان بردار، دشت مغان (پارس¬آباد)، چاه پیزومتری
Subjects: Divisions > Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Divisions: Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Subjects > Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Date Deposited: 18 Oct 2018 12:39
Last Modified: 18 Oct 2018 12:39
URI: http://repository.uma.ac.ir/id/eprint/1009

Actions (login required)

View Item View Item