تغییر یک مدل موجود به یک مدل پیش بینی GMS

۱۶ مرداد ۹۸ ، ۰۷:۴۳ نويسنده: بهزاد سرهادی

هنگامی که یک مدل GMS کامل دارید، می توانید از همان مدل برای ایجاد یک مدل پیش بینی استفاده کنید. از یک مدل پیش بینی کننده برای ایجاد پیش بینی ها بر اساس سناریوهای آینده فرضی استفاده می شود. به عنوان مثال ، ممکن است شما نیاز به ایجاد مدلی داشته باشید که پیش بینی می کند اگر آبخوان با افزایش جمعیتی از آبخوان در منطقه مدل، کرنش را تجربه کند.

به طور کلی، یک مدل پیش بینی با استفاده از یک مدل موجود ایجاد می شود، سپس جنبه ای از آن مدل را بر اساس فرضیه تغییر می دهد. سپس دوباره مدل را اجرا کرده و نتایج خود را با پیش بینی خود مقایسه می کنید. از هر نسخه MODFLOW یا هر مدل عددی موجود دیگر در GMS می توان برای ایجاد یک مدل پیش بینی استفاده کرد.

یک روش برای ایجاد یک مدل پیش بینی ممکن است به شرح زیر باشد:

یک مدل حالت پایدار ایجاد و اجرا کنید
برای کاهش خطا در مدل پیش بینی، مدل را کالیبره کنید
تنظیمات حالت ناپایدار را روی تاریخ آینده تنظیم کنید
مدل ناپایدار را اجرا کنید

برای شما مهم است که از نتایج حاصل از اجرای مدل انتظار داشته باشید تا بتوانید نتایج را با موارد دیگری مقایسه کنید. پس از اتمام اجرای مدل، نتایج اجرای مدل را با دقت بررسی کنید تا صحت پیش بینی ها را تعیین کنید. هنگام ایجاد یک مدل پیش بینی، می توانید از تجزیه و تحلیل تصادفی استفاده کنید.

اگر به نظر می رسد که خروجی مدل پیش بینی خیلی فراتر از انتظارات شما است، باید قبل از اجرای مدل پیش بینی، مدل موجود را عیب یابی کنید. استفاده از یک مدل موجود کم توسعه یافته غالباً منجر به بروز مشکلات در مدل پیش بینی می شود. مطمئن شوید که مدل موجود به خوبی کالیبره شده است تا از نزدیک با مقادیر مشاهده شده از میدان مطابقت داشته باشد. در صورت امکان ، قبل از ایجاد یک مدل پیش بینی، مدل موجود را در چندین مجموعه داده مشاهده کالیبره کنید.