شماره مدرك :
18294
شماره راهنما :
15930
پديد آورنده :
داوري، سحر
عنوان :

پيش بيني سطح آب زيرزميني با استفاده از الگوريتم هاي يادگيري ماشين تحت شرايط تغيير اقليم در دشت نجف آباد

مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
علوم و مهندسي آب
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع :
1401
صفحه شمار :
دوازده، 66 ص. : مصور، جدول، نمودار
توصيفگر ها :
سطح آب زيرزميني , يادگيري ماشين , تغيير اقليم , LARS-WG , ريز مقياس نمايي , رگرسيون بردارپشتيبان , جنگل تصادفي , تقويت گراديان نهايي
تاريخ ورود اطلاعات :
1401/12/15
كتابنامه :
كتابنامه
رشته تحصيلي :
كشاورزي
دانشكده :
مهندسي كشاورزي
تاريخ ويرايش اطلاعات :
1401/12/16
كد ايرانداك :
2913423
چكيده فارسي :
در طي سال‌هاي گذشته رشد جمعيت، توسعه صنايع و كشاورزي افزايش برداشت از منابع آب زيرزميني را به همراه داشته است. خشك شدن و كم آبي بسياري از قنوات، چشمه‌ها و همچنين كاهش دبي و خشكي چاه‌هاي بهره‌برداري در اكثر نقاط كشور از جمله عواقب برداشت بيش از اندازه منابع آب مي‌باشد. بنابراين اتخاذ تصميمات مديريتي جهت كنترل شرايط امري لازم و ضروري مي‌نمايد. اتخاذ تصميمات صحيح نيازمند شناخت صحيح، درست و علمي شرايط منابع آب در نواحي مختلف كشور مي‌باشد. هدف از اين پژوهش مدلسازي و پيش¬بيني تراز آب زيرزميني دشت نجف آباد در شرايط تغيير اقليم مي باشد. پس از جمع آوري داده ها در دشت نجف آباد، با توجه به متفاوت بودن شرايط آب و هوايي منطقه، جهت مدلسازي دقيق¬تر به پنج منطقه تقسيم شد و با توجه به پارامترهاي مؤثر در تراز آب زيرزميني، از چهار الگو متفاوت از پارامترهاي ورودي به مدل ها وارد شد. اين پنج منطقه شامل بخش¬هاي شبكه آبياري نكوآباد، حريم رودخانه زاينده¬رود و شبكه آبياري خميران و ارتفاعات سمت غرب و شمال دشت نجف آبادمي باشد. پارامترهاي ورودي شامل داده¬هاي تراز آب چاه¬ها، اطلاعات هواشناسي شامل دما و بارش، دادههاي هيدرومتري شامل دبي رودخانه، برداشت آب از چاه¬هاي منطقه و داده هاي مربوط به آبياري براي سالهاي 1390 تا 1400 مي¬باشد، كه در هر منطقه متفاوت است. پس از بررسي داده هاي پرت و جايگزيني داده هاي گمشده و آماده سازي، هفتاد درصد از داده¬هاي مربوط به هر منطقه براي آموزش مدلسازي از طريق الگوريتم¬هاي يادگيري ماشين¬ها شامل رگرسيون بردار پشتيبان، جنگل تصادفي و تقويت گراديان نهايي مدلسازي استفاده شد و سپس سي درصد براي ارزيابي مدلها مورد استفاده قرار گرفت. الگوريتم تقويت گراديان نهايي در بيشتر مناطق الگوريتم برتر شناسايي شد. ميزان ميانگين جذر مربع خطا براي داده¬هاي صحت سنجي مدل تقويت گراديان نهايي براي پنج منطقه به 0/85 ،0/37، 0/87، 0/04 و 0/23 ميباشد. داده هاي هواشناسي شامل بارش و دما از گزارش ششم با سناريو IPCC2-4.5 تغيير اقليم جهاني استخراج و در منطقه نجف آباد ريزمقياس شد. سپس اين داده ها وارد مدل برتر هر منطقه گرديد و تراز آب زيرزميني در مناطق دشت نجف آباد براي سالهاي 1400 تا 1410، با توجه به داده¬هاي اقليمي گزارش ششم تغيير جهاني تغيير اقليم پيش بيني شد. نتايج پيش¬بيني ترازآب زيرزميني در شرايط تغييراقليم وبا فرض تغيير نكردن برداشت آب از چاه ها و خشك بودن زاينده رود با مدل منتخب تقويت گراديان نهايي، بيشترين كاهش تراز آب زيرزميني را 14/42 متر در شبكه آبياري حريم رودخانه زاينده رود وبه طور متوسط 5/5 متر كاهش سطح تراز آب زيرزميني در كل دشت نجف¬آباد تحت تأثير تغييراقليم و خشك بودن رودخانه زاينده رود و همچنين افزايش 2درصدي مصرف آب زيرزميني خواهد بود.
چكيده انگليسي :
During the past years, the growth of population, development of industries and agriculture have brought an increase in the extraction of groundwater resources. The increase in extraction has been done in most of the study areas of the country without taking into account the capacity of the aquifers, while logically, the exploitation of an aquifer should be done at the limit of its dynamic storage. The purpose of this research is to model and predict the groundwater level of Najaf Abad plain under the conditions of climate change. After collecting the data in the Najaf Abad plain, due to the different climatic conditions of the region, it was divided into five regions for more accurate modeling, and according to the effective parameters in the groundwater level, from four different patterns of input parameters to the models. These five areas include parts of the Nekoabad irrigation network, Zayndeh-Roud river boundary and Khmiran irrigation network, and the western and northern elevations of the Najaf Abad plain. The input parameters include water level data of wells, meteorological data including temperature and precipitation, hydrometric data including river flow, water withdrawal from wells in the area and data related to irrigation for the years 2011 to 2021. After checking outlier data and estimating missing data and data preparation, seventy percent of the data related to each area is used for modeling the training through machine learning algorithms, including support vector machine, random forest, and enhanced gradient modeling. Thirty percent was used to eva‎luate the models. The enhanced gradient algorithm was identified as the superior algorithm in the most regions. The mean square errors for the validation data of the enhanced gradient model for five regions are 0.85, 0.87, 0.04 and 0.23, respectively. Meteorological data, including precipitation and temperature, were extracted from the sixth global climate change reports and downscaled for Najafabad region. Then these data were entered into the enhanced gradient model and the groundwater level in Najaf Abad Plain was predicted for the years 2021 to 2032, according to the climate data of the 6th Global Climate Change Report. The results of groundwater level forecasting in the conditions of climate change and no change in water extraction from wells and dryness of ZayandehRud with the enhanced gradient model, the maximum drawdown is 8 meters in the right irrigation network of Nekoabad and 5.5 meters for near the river.
استاد راهنما :
سعيد اسلاميان
استاد مشاور :
حميدرضا صفوي , سعيد سلطاني كوپائي
استاد داور :
منوچهر حيدرپوراسفرجاني , سعيد سلطاني كوپائي
لينک به اين مدرک :

بازگشت