انجمن علوم و مهندسی منابع آب تحقیقات منابع آب ایران 1735-2347 5 1 2009 05 22 Forecasting Spatiotemporal Water Levels by Neural Kriging Method in Tabriz City Underground Area پیش‌بینی زمانی و مکانی سطح آب‌ زیرزمینی محدودۀ متروی شهر تبریز توسط روش کریجینگ عصبی 14 24 15729 FA اصغر اصغری مقدم دانشیار/دانشکده علوم طبیعی، دانشگاه تبریز وحید نورانی استادیار /دانشکده مهندسی عمران، دانشگاه تبریز عطاالله ندیری دانشجوی دانشجوی دکتری/ هیدروژئولوژی، دانشگاه تبریز 0000-0001-9211-0546 Journal Article 2007 10 20 Groundwater level variations can essentially affect the execution of many engineering projects. Accordingly, due to the projects underway in Tabriz district and especially Tabriz Underground Project (METRO), spatiotemporal prediction of the groundwater level is crucial. Due to the aquifer complexity in the Tabriz area, there are problems in using classical mathematical models. In this research a combination of the artificial neural networks and Geostatistic models were applied as a new method for spatiotemporal  prediction of groundwater levels using selected pizometers. For this purpose, the different neural networks were examined for groundwater level forecasting in central piezometer and an optimal ANN architecture was identified. This ANN structure was then used for modeling the selected piezometers. The results of these models were used as the inputs of the geostatistics model for forecasting spatial groundwater level in the study area. Two year monthly groundwater level prediction data in selected piesometers resulted by ANN modeling were among these input data. In order to obtain a high efficiency model, different methods of the geostatistic model were used. Finally the obtained model was tested by water level data in piesometers other than those used for model calibration. The results of this hybrid model were acceptable.   تغییرات سطح آبهای زیرزمینی یکی از عوامل اصلی تأثیر گذار بر اجرای پروژه‌های مهندسی می‌باشد. پیش‌بینی زمانی و مکانی سطح آبهای زیرزمینی در محدودۀ شهر تبریز به علت وجود پروژه‌های مهندسی در دست اجرا از جمله پروژۀ متروی شهر تبریز ضروری به نظر می‌‌رسد. به علت پیچیده و چند لایه بودن آبخوان محدودۀ شهر تبریز، مدل‌سازی آن با مدل‌های ریاضی کلاسیک با مشکلات فراوانی رو به رو است. در این تحقیق به عنوان روشی جدید از دو مدل شبکههای عصبی مصنوعی و زمین‌آمار (کریجینگ عصبی) به صورت ترکیبی برای پیش‌بینی زمانی و مکانی تغییرات سطح آبهای زیرزمینی در آبخوان محدودۀ شهر تبریز استفاده شد. به طوری که ابتدا از ساختارهای مختلف شبکه‌های عصبی مصنوعی برای پیش‌بینی سطح آبهای زیرزمینی در پیزومتر مرکزی استفاده گردید و بهترین ساختار شناسائی شد. سپس این ساختار برای مدل‌سازی پیزومترهای منتخب به‌کار برده شد. نتایج مدل‌های مذکور، شامل داده‌های پیش‌بینی ماهانۀ سطح آبهای زیرزمینی در پیزومترهای منتخب در بازۀ زمانی دو ساله، به عنوان ورودی مدل ‍زمین‌آمار برای پیش‌بینی مکانی سطح آبهای زیرزمینی در محدودۀ مطالعاتی به کار گرفته شد. برای بدست آوردن مدلی با بازده بالا روشهای مختلف زمین‌آمار استفاده شد. در نهایت مدل به‌‌ دست آمده توسط نتایج مربوط به پیزومترهای استفاده نشده در مدل‌سازی و در دست احداث، مورد آزمون قرار گرفت، که نتایج قابل قبولی را ارائه داد.   https://www.iwrr.ir/article_15729_5bf3e487ed102ac70f39c506753c7e89.pdf