کاهش بارندگی و بهره‌برداری بی‌رویه از منابع آب زیرزمینی موجب افت قابل‌توجه تراز سطح آب زیرزمینیدر بسیاری از مناطق جهان شده است. یکی از آبخوانهایی که با افت سطح آب زیرزمینی مواجه هست، آبخوان نهاوند در استان همدان و غرب ایران است. در این مقاله برای پیش بینی تراز سطح آب زیرزمینی، مدل حافظه کوتاه مدت طولانی LSTM)) به کار گرفته شد. برای تعیین متغیرهای موثر ورودی در مدل LSTM از الگوریتم اطلاعات متقابل جزیی (PMI) استفاده شد. نتایج به‌کارگیری الگوریتم PMI نشان میدهد که متغیرهای ورودی موثر بر پیش‌بینی ماهانه تراز سطح آب زیرزمینی، شامل تراز سطح آب زیرزمینی زمان فعلی و یک ماه قبل است. نتایج نشان داد که برای دوره زمانی آموزش مدل LSTM ضریب تعیین (R2) و ریشه میانگین مربعات خطا (RMSE) به‌ترتیب 96/0 و 023/0 متر به‌دست آمد. هم‌چنین برای دوره زمانی آزمون مدل LSTM ضریبR2و RMSE به‌ترتیب 89/0 و 037/0 متر به‌دست آمد.نتایج این تحقیق نشان میدهد که مدل LSTM قادر است روابط غیرخطی و وابستگی‌های زمانی پیچیده موجود در داده‌های آب زیرزمینی را به‌خوبی شناسایی کرده و تغییرات آینده تراز آب زیرزمینی را با دقت قابل قبولی پیش‌بینی نماید. بنابراین استفاده از این مدل می‌تواند به بهبود مدیریت منابع آب زیرزمینی، برنامه‌ریزی بهره‌برداری پایدار از آبخوان و کاهش پیامدهای ناشی از افت سطح آب زیرزمینی کمک کند.
نوع مطالعه: پژوهشي |
موضوع مقاله: تخصصي دریافت: 1405/3/26 | ویرایش نهایی: 1405/7/13 | پذیرش: 1405/5/8 | انتشار الکترونیک پیش از انتشار نهایی: 1405/6/26
