حامد فاروقی

آب زیرزمینی به ‌عنوان یکی از مهم ‌ترین منابع آب شیرین، نقش حیاتی در تأمین نیازهای شرب، کشاورزی و سایر فعالیت‌های انسانی ایفا می ‌نماید و در مناطق خشک و نیمه ‌خشک، مدیریت صحیح و پایدار آن از اهمیت ویژه‌ای برخوردار است. تغذیه مصنوعی آب زیرزمینی به‌عنوان یکی از راهکارهای کلیدی مدیریت منابع آب، برای جلوگیری از افت سطح آب زیرزمینی و فرونشست زمین مورد توجه قرار گرفته است و شناسایی مناطق مستعد این فرآیند می‌تواند به بهبود پایداری منابع آب کمک نماید. همچنین، پیش‌بینی دقیق سطح آب زیرزمینی به‌منظور حفظ پایایی این منابع و برنامه‌ریزی برای مدیریت پایدار آنها از اهمیت حیاتی برخوردار است. در این پژوهش، به‌ منظور شناسایی مناطق مستعد تغذیه آب زیرزمینی و پیش ‌بینی سطح آب زیرزمینی در آبخوان قروه - دهگلان، از روش‌های هوش مصنوعی استفاده شده است. در بخش نخست پژوهش، پهنه‌ های مناسب تغذیه آب زیرزمینی با مدل‌ های یادگیری عمیق شامل شبکه عصبی مصنوعی (ANN) ، شبکه عصبی پیچشی (CNN) ، واحدهای بازگشتی دروازه‌ دار (GRU) و مدل عصبی ترکیبی CNN-GRU تعیین شده‌اند. دو مجموعه داده به ‌کار گرفته شده است: مجموعه 10 پارامتری شامل ارتفاع، بارندگی، نوع خاک، تراکم زهکشی، کاربری اراضی، شاخص رطوبت توپوگرافی (TWI)، جهت جریان، شاخص توان جریان (SPI)، شیب و انحنا؛ و مجموعه 13 پارامتری با افزودن حداقل دما، حداکثر دما و واریانس دما در جهت بررسی تأثیرات پارامترهای مرتبط با تغییرات اقلیمی بر شناسایی مناطق مستعد تغذیه آب زیرزمینی. تأثیر پارامترها با روش‌های اطلاعات متقابل (Mutual Information) و جنگل تصادفی (Random Forest) ارزیابی شده و عملکرد مدل‌ ها با معیارهای Accuracy، Root Mean Square Error، Kappa score، F1 score، Confusion Matrix و Receiver Operating Characteristic curve سنجیده شده است. نتایج نشان داده است که مدل CNN-GRU با دقت 9461/0 در مجموعه 13 پارامتری نسبت به تمامی مدل‌ها بهترین عملکرد را داشته و اهمیت پارامترهای اقلیمی تأیید شده است. در بخش دوم پژوهش، پیش‌ بینی سطح آب زیرزمینی با شبکه عصبی LSTM و داده ‌های آب زیرزمینی 48 چاه مشاهده‌ای (1988-2022) انجام شده است. پس از اعتبارسنجی در بازه ‌های سه ساله و شش ساله، پیش‌بینی برای بازه های 2022-2025 و 2022-2028 صورت گرفته و به ترتیب بازه دقت مدل در پیش‌بینی سطح آب زیرزمینی برای تمامی چاه ها در بازه زمانی سه ساله و شش ساله برابر 73/0 تا 99/0 و 66/0 تا 98/0 است. این پژوهش نشان داده است که هوش مصنوعی ابزاری مؤثر برای مدیریت پایدار آب زیرزمینی است.