کامران نوبخت وکیلی

آب زیرزمینی به ‌عنوان یکی از مهم ‌ترین منابع آب شیرین، نقش حیاتی در تامین 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 تاثیرات پارامترهای مرتبط با تغییرات اقلیمی بر شناسایی مناطق مستعد تغذیه آب زیرزمینی. تاثیر 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 تایید 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 موثر برای مدیریت پایدار آب زیرزمینی است.

رفتار غیرخای ساح مشترک خاک-فونداسیون ناشی از بتیج ظرفیت نهایی و اتلاف انرژی حین رویدادی لرزهای ممکن است سبب کانش نیازنای نیرو و شکلپذیری سازه شود. اندرکنش خاک-سازه ممکن است پاسخ یک سازه را از چندین راه تحت تاثیر قرار دند. قابنای مهاربندی واگرا یک سیتتم سازهای منحصر به فرد میباشند که به منظور ترکیب مقاومت و سختی قابنای مهاربندی با مشخصات اتلاف انرژی غیرالاستیک قابنای خمشی طراحی گردیده شدهاند. تیر پیوند نمانند یک فیوز عمل کرده و از انتقال نیرونای با مقدار بیشتر به مهاربندنا جلوگیری میکند و قبل از کمانش اعضای فشاری، در اثر خمش یا برش جاری میشود. در این تحقیق تعداد 48 سازه مهاربند مهاربند واگرا مورد بررسی قرار گرفتند. متغیرنای این تحقیق شامل شرایط تکیهگانی صلب (FB) و انعاافپذیر (SSI) ، طول تیر پیوند ) 25 و 100 سانتی متر(، تعداد دنانهنا )دو و سه دنانه( و تعداد طبقات ) 3 ، 5 ، 8 ، 10 ، 13 و 15 طبقه( میباشد. سازهنا براساس استاندارد 2800 و مباحث 10 و 6 طراحی گردیده و سپس ماابق دستورالعمل نشریه 360 تحت تحلیل بارافزون قرار گرفتند. نتایج کار نشان داد که SSI سبب افزایش دوره تناوب میشود که این افزایش با افزایش ارتفاع سازه زیادتر میشود. نمچنین ملاحظه گردید که فرمول پیشنهادی استاندارد 2800 مناسب قابنای مهاربندی واگرا با عملکرد خمشی تیر پیوند است. روابای نم برای تخمین دوره تناوب قابنای مهاربندی واگرا با تیر پیوند برشی و خمشی در نر دو حالت FB و SSI ارئه گردید. در نظر گرفتن SSI تاثیر آنچنانی روی مقاومت تتلیم نداشته اما به مقدار زیادی سختی سازه را کانش میدند. مقاومت نهایی با در نظر گرفتن SSI در سازهنای کوتاه مرتبه و بلندمرتبه به ترتیب افزایش و کانش مییابد. نمچنین ملاحظه میشود که SSI سبب بهبود عملکرد لرزهای قابنای مهاربندی واگرا در سازهای بلندمرتبه میشود به طوری که تعداد تیر پیوندنایی که حدود LS و CP را رَد کردهاند با در نظر گرفتن SSI کانش مییابند.

خصوصیات هیدرودینامیک اشباع از چاش برانگیزترین خصوصیات خاک می باشند. در این میان هدایت هیدرولیکی اشباع و تخلخل موثر خاک از جمله مهمترین خصوصیات هیدرودینامیکی اشباع خاک جهت طراحی زهکش ها محسوب می گردند. همچنین این ویژگی ها، پارامترهای ورودی به بسیاری از شبیه سازی هیدرولوژی، آلودگی، انتقال املاح و سایر مدل های مرتبط با علوم آب و خاک به شمار می آیند. لذا با توجه به اهمیت موضوع و ضعف روش های موجود در تخمین مقدار متوسط واقعی هدایت هیدرولیکی و تخلخل موثر خاک، هدف از این تحقیق ارائه روشی جهت برآورد مقادیر متوسط پارامترهای مذکور با استفاده از روش مسئله معکوس هوشمند می باشد. در این تحقیق از مدل های تحلیلی زهکشی گلور-دام، کومار و همکاران، سینگ و همکاران، آپادهایا و همکاران و تاپ و مودی جهت شبیه سازی نوسانات سطح ایستابی در اطراف زهکش استفاده گردید. همچنین جهت یافتن مقادیر بهینه هدایت هیدرولیکی اشباع و تخلخل موثر از برنامه الگوریتم ژنتیک استفاده گردید. به منظور واسنجی مدل های معکوس پیشنهادی یک مدل فیزیکی زهکشی در آزمایشگاه طراحی و ساخته شد. از داده های محققین دیگر نیز برای واسنجی استفاده گردید. مدلهای معکوس هوشمند در دو حالت با فرض ثابت و متغیربودن تخلخل موثر واسنجی شدند. نتایج حاصل از این تحقیق موید این مطلب است که روش مسئله معکوس هوشمند از کارایی و قابلیت بالایی جهت برآورد هدایت هیدرولیکی خاک و تخلخل موثر برخوردار می باشد. نتایج آنالیز حساسیت صورت گرفته در هر دو حالت تخلخل موثر ثابت و متغبر نشان می دهد که تاثیر پارامتر هدایت هیدرولیکی اشباع خاک از بقیه پارامترها بیشتر می باشد.