دانش آب و خاک، جلد ۲۸، شماره ۱، صفحات ۱۴۵-۱۵۸

عنوان فارسی پیش‌بینی عمق آب زیرزمینی با استفاده از مدل طیفسنجی سری‌های زمانی
چکیده فارسی مقاله امروزه بیشینه بهره‌برداری از منابع آب‌زیرزمینی در کشور به‌عمل می‌آید. همچنین عمده منابع آب قابل استحصال، مورد بهره‌برداری قرار گرفته‌اند و مدیریت منابع آب در آینده به استحصال بیشتر از منابع آب زیرزمینی موجود وابسته است. پیش‌بینی نوسانات عمق آب ‌زیرزمینی جهت برنامه‌ریزی مناسب‌ به‌ویژه در مناطق خشک ضروری است. در این پژوهش جهت پیش‌بینی عمق آب زیرزمینی دشت چمچمال از تحلیل طیفی سری‌های زمانی استفاده شده است. برای این منظور از سری‌های ماهانه عمق آب‌زیرزمینی طی سال‌های 88- 1374 برای دوره واسنجی استفاده گردید و منحنی تناوب‌نگار داده‌ها ترسیم گردید. با استفاده از روش تحلیل طیفی بسط فوریه، دوره تناوب‌ داده‌ها مورد بررسی قرار گرفت و جزء قطعی تناوب داده‌ها حذف گردید. در گام بعد نرمال بودن و ایستایی داده­ها مورد بررسی قرار گرفت. در ادامه مدل‌های مختلف سری ‌زمانی بر داده‌ها برازش داده شد و کارائی و دقت مدل‌های برازش داده شده با معیار آکائیک مورد ‌ارزیابی قرار گرفت. نتایج نشان داد که از بین مدل‌های کلاسیک سری ‌زمانی، در پیزومترهای قشلاق‌آباد، بزن‌آباد و گاوکل به‌ترتیب مدل‌هایARMA(1,1)، ARMA(2,1)  و ARMA(1,1) بهترین برازش را بر داده‌ها دارند. نهایتاً برای تشخیص درستی الگوی برازش داده‌شده از آزمون فرض ایستایی باقیمانده‌ها استفاده گردید. نتایج این پژوهش با به ‌کارگیری ضریب همبستگی 78/0و شاخص پراکندگی 4 تا 14 درصدی پیزومترها، کارآیی و دقت بالای تکنیک سری‌ زمانی را در پیش‌بینی عمق آب‌زیرزمینی پیزومترهای منطقه نشان داد. نحوه به‌کارگیری تحلیل طیفی به فرم مطرح‌شده در این تحقیق در پیش‌بینی عمق آب زیرزمینی بسیار سودمند می‌باشد.
کلیدواژه‌های فارسی مقاله پیشبینی، تحلیل طیفی، دشت چمچمال، سری زمانی، عمق آب زیرزمینی،

عنوان انگلیسی Forecasting Groundwater Depth Using Time series Spectral Analysis
چکیده انگلیسی مقاله Abstract      Nowadays, the maximum operation of groundwater resources has been achieved in Iran. Also, the majority of extractable water resources are utilized and the managing of water resources in the future is depended on more extracting of water resources. For better basin management, forecasting the groundwater depth fluctuations in particular in arid areas is more necessary. In this study, time series spectral analysis is used to forecast the groundwater depth fluctuations of Chamchamal plain. In this regard, the monthly groundwater depth time series during 1995 to 2009 years are used for calibration periods and the periodogram diagrams are depicted. Data periodicity is analyzed by using Fourier spectral analysis and the deterministic term of data periodicity is eliminated. In the next step, stationary and normality in the data are considered. After that, the different time series models are fitted for the prepared data and accuracy of them were assessed by Akaike (AIC) criterion. The results show that ARMA (2, 1), ARMA (1, 1), ARMA (1, 1) models are the best fitted models for the measured data in Bazanabad, Gheshlaghabad and Gavkol piezometers, respectively. Finally, the residuals stationarity assumption test is used to check for the correct diagnosis of the fitted pattern. In this study, the results represent the high performance and accuracy of the applied new approach to the time series spectral analysis for forecasting groundwater depth by application of the regression coefficient amount of 0.78 and SI- Index of 4% to 14% of piezometers' data. Using spectral analysis, as has been provided in this study, is very useful for forecasting groundwater depth.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله سید احسان فاطمی |
استادیار گروه مهندسی آب پردیس کشاورزی و منابع طبیعی، دانشگاه رازی

رسول قبادیان |
دانشیار گروه مهندسی آب پردیس کشاورزی و منابع طبیعی، دانشگاه رازی

مژگان پاک بین |
کارشناس ارشد مهندسی منابع آب پردیس کشاورزی و منابع طبیعی، دانشگاه رازی


نشانی اینترنتی http://water-soil.tabrizu.ac.ir/article_7600_a9228a34cffbf914ba7254646ea809aa.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/794/article-794-722723.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات