عنوان

بررسی هیدروژئولوژی و عدم قطعیت مدل آب زیرزمینی آبخوان دشت عجب‌شیر، آذربایجان شرقی

Number

‭۱۵۶۷۷پ‬

.Language of Text, Soundtrack etc

per

Title Proper

بررسی هیدروژئولوژی و عدم قطعیت مدل آب زیرزمینی آبخوان دشت عجب‌شیر، آذربایجان شرقی

First Statement of Responsibility

/سعیده سامانی

Name of Publisher, Distributor, etc.

: علوم طبیعی

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۵‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشنناسی ارشد

Discipline of degree

زمین‌شناسی، گرایش آب شناسی

Date of degree

‮‭۱۳۹۵/۰۹/۱۷‬

Body granting the degree

تبریز

Text of Note

شبیه‌صسازی عددی آب‌صهای زیرزمینی ابزاری برای آنالیز کمی منابع آب زیرزمینی است .با افزایش تقاضا و فشار روی منابع آب زیرزمینی، مدل‌صهای پیش‌صبینی قابل اعتماد و دقیق آب زیرزمینی برای مدیریت پایدار آب زیرزمینی ضروری می‌صباشد .چون مدل‌صهای آب زیرزمینی تقریبی از واقعیت هستند بنابراین نمی‌صتوان از طریق مدل‌صسازی خصوصیات یک سیستم را به طور کامل تعیین نمود و یا به صورت ریاضی خصوصیات پیچیده یک سیستم هیدروژئولوژی را شرح داد .بنابراین ذاتا همه مدل‌صها دارای درجه‌صای از عدم قطعیت هستند و در نتیجه وجود عدم‌ص‍ قطعیت در مدل آب زیرزمینی، تصمیم‌صگیری‌صهای مدیریتی در رابطه با آن را با خطر شکست مواجه می‌صنماید .هدف از این رساله توضیح شیوه‌صای برای شناخت کمی عدم قطعیت در مدل‌صسازی آب زیرزمینی است و اینکه چگونه عدم قطعیت مدل می‌صتواند به عنوان یک ابزاری برای فهم بهتر سیستم مدل شده به کار رفته و اطلاعات لازم را برای کمک به تصمیم‌صگیری آگاهانه‌صتر در اختیار گذارد .هدف کلی این تحقیق تعیین عدم قطعیت‌صهای همراه با توسعه مدل از طریق تعریف چندین مدل مفهومی و عدم قطعیت ناشی از پیچیدگی مدل برای رسیدن به یک مدل مناسب با تعداد پارامترهای بهینه است .جهت نیل به این هدف، محدودة مطالعاتی عجب شیر واقع در استان آذربایجان شرقی به منظور مطالعات جامع هیدروژئولوژی و مدل‌صسازی انتخاب گردید .شش مدل مفهومی، به وسیله موقعیت‌صهای مختلف زمین‌صشناسی، تغذیه و مرزهای مدل برای آبخوان عجب شیر تهیه گردید .مدل‌صهای مفهومی با ‮‭MODEL MUSE‬و در حالت پایدار و برای سال آبی‮‭۹۰ - ۹۱‬توسعه داده شدند و با استفاده از ‮‭MODEL MATE‬ با داده‌صهای مشاهداتی سطح آب کالیبره شدند .همه مدل‌صها، با استفاده از داده‌صهای سطح آب موجود سال آبی‮‭۹۱- ۹۲‬، صحت سنجی شدند .همه مدل‌صها به طور قابل قبولی سطح آب در آبخوان را شبیه سازی نمودند .برای انتخاب بهترین مدل در میان مدل‌صهای جایگزین، معیارصهای چندگانه تعریف گردید و برای ارزیابی کیفیت مدل‌صهای فردی به کار گرفته شد .مشخص گردید که عملکرد مدل‌صها با توجه به معیارصهای ارزیابی مختلف متفاوت است و یک معیار مقایسه بین مدل‌صها برای استفاده عمومی مناسب و کافی نمی‌صباشد .در این مطالعه سه شیوه‮‭۱‬ - بررسی امتیازات مدل از طریق روش‌صهای‮‭SSR‬ ، ‮‭RMSE‬ و ‮‭GLUE‬ ‮‭۲‬ - ارزیابی احتمالات مدل از طریق روش‌صهای معیار انتخاب مدل‮‭(AIC‬، ‮‭AICc‬،‮‭۳BIC and KIC)‬ - بررسی وزن مدل از طریق روش تصمیم گیری چند متغیره فازی ‮‭(MCDM)‬دارای یک تکامل تدریجی از دیدگاه محلی به سمت منطقه‌صای در بررسی عدم قطعیت مدل می‌صباشد .در نتیجه گیری نهایی از طریق روش‌صهای‌صص‍ ‮‭KIC‬ و ‮‭MCDM‬ به عنوان قطعی‌صترین روش‌صها در مسیر تکاملی دیدگاه محلی به سمت دیدگاه منطقه‌صای با در نظر گرفتن حساسیت پارامترهای مدل، مدل شماره ‮‭۳‬ به عنوان بهترین مدل با بالاترین احتمال، کمترین عدم قطعیت و درجه پیچیدگی مناسب معرفی می‌صشود .این روش‌صها نشان می‌صدهند که رسیدن به یک مدل قطعی، از طریق تهیه مدل کاملا ساده و کاملا پیچیده امکان پذیر نخواهد بود .بنابراین تهیه یک مدل با تعداد منطقی پارامتر از عدم قطعیت ناشی از پیچیدگی مدل جلوگیری می‌صنماید

Text of Note

Numerical simulation of groundwater is a main base for groundwater resources quantitative analysis. With increasing demand and pressures on groundwater resources, accurate and reliable groundwater prediction models are essential for sustainable groundwater management. Groundwater models are merely approximations of reality, and we are unable to either fully characterize or mathematically describe the true complexity of the hydrogeological system; therefore, inherent in all models are varying degree of uncertainty. With the presence of uncertainty in groundwater modeling, management decisions in relation of that may fail. This research is designed to illustrate ways that uncertainty can be recognized and quantified in groundwater modeling applications. The purpose of this document is to illustrate how model uncertainty can be used as a tool to better understanding the system that is being modeled and to ensure that decision makers have all of the information to help them make a more informed decision. So overall goal of this study is specifying the uncertainty associated with the development model by defining several conceptual model and uncertainty from model complexity for exploring the most appropriate model to avoid over-complex and/or over-parameterized models. To achieve this goal, Ajabshir plain as the study area located in the province East Azarbayejan has been chosen for comprehensive hydrogeological studies and modeling. Sex unique conceptual models, characterized by alternative geological interpretations, recharge estimations, and boundary condition implementations. The models were developed with Model Muse and calibrated using Model Mate with the same set of observed hydraulic head data. In this study, one year (2011) of data were used for model calibration, and one other years (2012) were subsequently used for model Validation. All of the models were found to reasonably produce predictions of the available heads data. To select the best among the alternative models, multiple criteria have been defined and applied to evaluate the quality of individual models. It was found that models perform differently with respect to different evaluation criteria, and that it is unlikely that a single inter-model comparison criterion will ever be sufficient for general use. In this study we can view the tree approaches: 1- ranking the models based on the RMSE, SSR and GLUE method, 2- Evaluate model probability using model selection criteria (AIC, AICc, BIC and KIC) and 3- Fuzzy Multi-Criteria-Decision-Making (MCDM) Approaches, as a gradual expansion from the local to the global scale of model parameters in exploring model uncertainty. The final result is showing that, the model probability obtained using KIC and MCDM methods as the most certain method from the local to the global scale of model parameters with considering parameter sensitivity, show that model 3 is the most plausible with the less degree of uncertainty and medium degree of complexity. So from these methods we can conclude that we will not be able to reach a certain model via the most simple and most complex model. So preparing a model with the suitable number of parameters will avoid uncertainty from model complexity

سامانی، سعیده

اصغری مقدم، اصغر، استاد راهنما

ندیری، عطالله، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی