دانشگاه تبریز دانش آب و خاک 2008-5133 26 شماره1 بخش 1 2016 05 21 Modeling the Effects of Consumption and Precipitation on the Water Table Oscillations (Case Study: Ajabshir Aquifer) مدل بندی اثرات مصرف و بارش بر نوسانات تراز سطح ایستایی (مطالعه موردی: آبخوان دشت عجب شیر) 83 97 4843 FA مریم عبداله زاده گروه مهندسی آب دانشگاه تبیرز احمد فاخری فرد استاد- گروه مهندسی آب دانشگاه تبیرز اسماعیل اسدی استادیار- گروه مهندسی آب دانشگاه تبیرز امیر حسین ناظمی استاد- گروه مهندسی آب دانشگاه تبیرز Journal Article 2014 11 09 Prediction of groundwater table through specific models, provide a valuable information for water<br />resources management and consumption planning. Among the different available methods, the<br />multivariate nonlinear regression is of utmost importance for prediction of hydrological phenomena.<br />The data bases of this research were the amounts of precipitation amounts, water table elevation and<br />water consumptions in monthly time scale for the period of 2001- 2011. The cross correlation analysis<br />indicated that the one lagged monthly precipitation as well as the two lagged monthly consumptions<br />values had the highest impacts on water table elevation with the determination coefficients of 0.39 and<br />0.86, respectively. Then, the general relationship of these three variables obtained with R2=0.87 and<br />root mean square error (RMSE) =0.35m through a multivariate nonlinear regression analysis. For<br />prediction of the water table elevation in the coming years, initially, the consumptions and precipitation<br />data extended up to 2014, using ANN and Thomas-firing methods, respectively. So, the outcome of<br />putting them into regression equation gave the water table elevation. On the other hand, the artificial<br />neural network was used to predict the water table elevation, for which, the resulted values of R2 and<br />RMSE were 0.82 and 0.39m, respectively. The comparison of two methods showed that the<br />multivariate nonlinear regression model represented more accurate results in predicting the elevation of<br />water table, in the studied plain. ارزیابی و پیشبینی تغییرات تراز سطح آب زیرزمینی با استفاده از مدلهای خاص، اطلاعات ارزشمندی جهت مدیریت<br />منابع آب و برنامهریزی مصرف، در اختیار میگذارد. از بین ابزار و روشهای متفاوت موجود، مدلهای رگرسیون غیرخطی<br />چند متغیره برای پیشبینی پدیدههای هیدرولوژیکی از اهمیت زیادی برخوردارند. در این پژوهش از دادههای ماهانه مصارف،<br />بارش و ارتفاع سطح ایستابی برای سالهای 1380 الی 1390 دشت عجبشیر استفاده گردید. با تجزیهوتحلیل همبستگی<br />0/ 0/39 و 86 (R متقاطع مشخصشد که بارندگیها با تأخیر یکماهه و مصارف با تأخیر دوماهه بهترتیب با ضرایب تعیین ( 2<br />بیشترین تأثیر را بر ارتفاع سطح ایستابی داشتند. سپس رابطه عمومی بین این سه متغیر از طریق یک معادله رگرسیونی<br />0/35 متر بهدست آمد. برای پیشبینی (RMSE) 0 و ریشه متوسط مربعات خطا / غیرخطی چندمتغیره با ضریب تعیین 87<br />مقادیر ارتفاع سطح ایستابی در سالهای آتی، نخست مصارف و بارش بهترتیب با استفاده از روشهای شبکه عصبی<br />مصنوعی و توماس – فیرینگ پیشبینی شدند، سپس با قرار دادن در معادله رگرسیونی بهدستآمده، مقادیر ارتفاع سطح<br />ایستابی پیشبینی گردید. از طرف دیگر، از شبکه عصبی مصنوعی برای پیشبینی ارتفاع سطح ایستابی استفاده شد که با این<br />0 متر بهدست آمد. مقایسه نتایج دو روش نشان داد که / 0 و ریشه متوسط مربعات خطا 39 / روش مقدار ضریب تعیین 82<br />مدل رگرسیونی غیرخطی چند متغیره از دقت بیشتری در پیشبینی ارتفاع سطح ایستابی دشت موردمطالعه برخوردار است. https://water-soil.tabrizu.ac.ir/article_4843_183ad33105eb9ac6345f7e5ea9d6fc92.pdf