Sasmita Sahoo

Groundwater-level prediction using multiple linear regression and artificial neural network techniques: a comparative assessment

The potential of multiple linear regression (MLR) and artificial neural network (ANN) techniques in predicting transient water levels over a groundwater basin were compared. MLR and ANN modeling was carried out at 17 sites in Japan, considering all significant inputs: rainfall, ambient temperature, river stage, 11 seasonal dummy variables, and influential lags of rainfall, ambient temperature, river stage and groundwater level. Seventeen site-specific ANN models were developed, using multi-layer feed-forward neural networks trained with Levenberg-Marquardt backpropagation algorithms. The performance of the models was evaluated using statistical and graphical indicators. Comparison of the goodness-of-fit statistics of the MLR models with those of the ANN models indicated that there is better agreement between the ANN-predicted groundwater levels and the observed groundwater levels at all the sites, compared to the MLR. This finding was supported by the graphical indicators and the residual analysis. Thus, it is concluded that the ANN technique is superior to the MLR technique in predicting spatio-temporal distribution of groundwater levels in a basin. However, considering the practical advantages of the MLR technique, it is recommended as an alternative and cost-effective groundwater modeling tool.RésuméLes potentialités des techniques de régression linéaire multiple (RLM) et de réseau neuronal artificiel (RNA), en matière de prédiction des niveaux d’eau transitoires dans un bassin souterrain, sont comparées. Les modélisations RLM et RNA ont été mises en œuvre dans 17 sites au Japon, en prenant en compte toutes les données importantes : précipitations, température ambiante, état de la rivière, 11 variables muettes saisonnières et le déphasage des précipitations, de la température ambiante, de l’état de la rivière et du niveau de l’eau souterraine. Dix sept modèles de RNA spécifiques à chacun des sites ont été développés, en utilisant des réseaux neuronaux directs multicouches formés par les algorithmes de rétro-propagation de Levenberg-Marquardt. La performance des modèles a été évaluée en recourant aux indicateurs statistiques et graphiques La comparaison des statistiques sur la qualité d’ajustement des modèles RLM et des modèles RNA indique qu’il y a, pour tous les sites, un meilleur calage entre les niveaux d’eau souterraine prédits par RNA et les niveaux observés. Les résultats sont fondés sur les indicateurs graphiques et l’analyse résiduelle. Ainsi, la conclusion est que la technique RNA est supérieure à la technique RLM pour la prédiction de la distribution spatio-temporelle des niveaux d’eau souterraine dans un bassin. Cependant, en prenant en compte ses avantages pratiques, la technique RLM est recommandée, en tant qu’outil alternatif rentable, pour la modélisation des eaux souterraines.ResumenSe compararon el potencial de las técnicas de regresión linear múltiple (MLR) y de redes neuronales artificiales (ANN) para predecir los niveles transitorios de agua en una cuenca de agua subterránea. El modelado de MLR y ANN fue llevado a cabo en 17 sitios en Japón, considerando todas las entradas significativas: precipitación, temperatura ambiente, estados de los ríos, 11 variables estacionales mudas, y la influencia de los retardos de la precipitación, temperatura ambiente, estado del río y nivel de agua subterránea. Se desarrollaron diecisiete modelos ANN en sitios específicos, usando redes neuronales multicapas de alimentación progresiva entrenadas con algoritmos de retropropagación de Levenberg-Marquardt. Se evaluó el rendimiento de los modelos usando indicadores estadísticos y gráficos. La comparación de la bondad de ajuste estadístico de los modelos MLR con aquellos de los modelos ANN indicó que existe un mejor acuerdo entre los niveles de agua subterránea predichos por ANN y los niveles observados de agua subterránea en todos los sitios, comparados con los MLR. Este hallazgo fue apoyado por los indicadores gráficos y los análisis de residuos. Así, se concluyó que la técnica ANN es superior a la técnica MLR para la predicción espacio – temporal de los niveles de agua subterránea en una cuenca. Sin embargo, considerando las ventajas prácticas de la técnica MLR, se recomienda como una herramienta y una alternativa de modelado de agua subterránea a costo razonable.摘要多元线性回归(MLR)和人工神经网络技术(ANN)在预测地下水盆地中的瞬时水位的精确度进行了对比分析。考虑到所有重要的输入因子:雨量充沛,环境温度,河流水位,11个季节雨量的虚拟变量,以及降雨的影响力的滞后和地下水位,在日本的17个地点进行了MLR和ANN模拟。采用多层前馈神经网络的Levenberg—Marquardt反向传播算法对17个特定站点进行了ANN模拟并利用统计和图形标志对模型的性能进行了评估。MLR模型和ANN模型的拟合优度统计结果显示,与MLR模型相比,ANN模型预测的所有地点的地下水位值与实际观测到的地下水位值的吻合性更好。图形指标和残差分析也证实了这一点。因此,在预测一个盆地的地下水位时空分布时,ANN技术要优于MLR技术。但是,考虑到MLR技术的优势,可以将它作为一个具有替代性和经济效益的地下水建模工具。ResumoFoi feita a comparação do potencial das técnicas de regressão linear múltipla (RLM) e de redes neuronais artificiais (RNA) na predição de níveis piezométricos transitórios numa bacia de água subterrânea. Foi aplicada a RLM e a modelação de RNA em 17 sítios no Japão tendo em conta todos os dados de entrada significativos: precipitação, temperatura ambiente, níveis hidrométricos do rio, 11 variáveis sazonais assumidas e episódios de chuva influente, temperatura ambiente, níveis hidrométricos do rio e níveis piezométricos. Foram desenvolvidos dezassete modelos de RNA específicos de cada local, usando redes neuronais de alimentação progressiva multi-camada treinadas com algoritmos de retropropagação Levenberg-Marquardt. O desempenho dos modelos foi testado usando indicadores estatísticos e gráficos. A comparação da estatística do ajuste da simulação dos modelos de RLM com os modelos de RNA indica que existe uma maior concordância entre os níveis piezométricos previstos pelas RNA e os níveis piezométricos observados em todos os locais, comparativamente com os resultados obtidos pela RLM. Esta constatação é corroborada pelos indicadores gráficos e a análise residual. Assim, conclui-se que a técnica de RNA é superior à de RLM na predição espácio-temporal da distribuição de níveis de água subterrânea numa bacia. No entanto, tendo em conta as vantagens práticas da técnica de RLM, esta é recomendada como uma ferramenta de modelação de água subterrânea alternativa e rentável.

Machine learning algorithms for modeling groundwater level changes in agricultural regions of the U.S.

Climate, groundwater extraction, and surface water flows have complex nonlinear relationships with groundwater level in agricultural regions. To better understand the relative importance of each driver and predict groundwater level change, we develop a new ensemble modeling framework based on spectral analysis, machine learning, and uncertainty analysis, as an alternative to complex and computationally expensive physical models. We apply and evaluate this new approach in the context of two aquifer systems supporting agricultural production in the United States: the High Plains aquifer (HPA) and the Mississippi River Valley alluvial aquifer (MRVA). We select input data sets by using a combination of mutual information, genetic algorithms, and lag analysis, and then use the selected data sets in a Multilayer Perceptron network architecture to simulate seasonal groundwater level change. As expected, model results suggest that irrigation demand has the highest influence on groundwater level change for a majority of the wells. The subset of groundwater observations not used in model training or cross-validation correlates strongly (R > 0.8) with model results for 88 and 83% of the wells in the HPA and MRVA, respectively. In both aquifer systems, the error in the modeled cumulative groundwater level change during testing (2003–2012) was less than 2 m over a majority of the area. We conclude that our modeling framework can serve as an alternative approach to simulating groundwater level change and water availability, especially in regions where subsurface properties are unknown.

Pattern recognition in lithology classification: modeling using neural networks, self-organizing maps and genetic algorithms

Effective characterization of lithology is vital for the conceptualization of complex aquifer systems, which is a prerequisite for the development of reliable groundwater-flow and contaminant-transport models. However, such information is often limited for most groundwater basins. This study explores the usefulness and potential of a hybrid soft-computing framework; a traditional artificial neural network with gradient descent-momentum training (ANN-GDM) and a traditional genetic algorithm (GA) based ANN (ANN-GA) approach were developed and compared with a novel hybrid self-organizing map (SOM) based ANN (SOM-ANN-GA) method for the prediction of lithology at a basin scale. This framework is demonstrated through a case study involving a complex multi-layered aquifer system in India, where well-log sites were clustered on the basis of sand-layer frequencies; within each cluster, subsurface layers were reclassified into four depth classes based on the maximum drilling depth. ANN models for each depth class were developed using each of the three approaches. Of the three, the hybrid SOM-ANN-GA models were able to recognize incomplete geologic pattern more reasonably, followed by ANN-GA and ANN-GDM models. It is concluded that the hybrid soft-computing framework can serve as a promising tool for characterizing lithology in groundwater basins with missing lithologic patterns.RésuméLa caractérisation effective de la lithologie est indispensable pour la conceptualisation des systèmes aquifères complexes, un préalable au développement de modèles fiables d’écoulement d’eau souterraine et de transport de polluants. Toutefois, une telle information est souvent limitée pour la plupart des réservoirs souterrains. Cette étude explore l’utilité et le potentiel d’une structure de logiciels hybrides de calcul; un réseau neuronal artificiel classique avec l’apprentissage d’un gradient dynamique descendant (ANN-GDM) et un algorithme génétique classique (GA) basé sur approche ANN (ANN-GA) ont été développés et comparés à une carte originale hybride auto-configurée (SOM) basée sur la méthode ANN (SOM-ANN-GA) pour prédire la lithologie à l’échelle d’un bassin. Cette structure de calcul est utilisée dans une étude de cas mettant en jeu un système aquifère multicouches complexe en Inde, où des logs de forage ont été groupés sur la base de la fréquence des couches sableuses; dans chaque groupe, les couches de subsurface ont été reclassées en 4 classes sur la base de la profondeur maximale de forage. Des modèles ANN correspondants à chaque classe de profondeurs ont été développés en utilisant chacune des trois approches. Parmi les trois, les modèles hybrides SOM-ANN-GA ont été capables de reconnaître des structures géologiques incomplètes de façon assez satisfaisante, suivis par les modèles ANN-GA et ANN-GDM. En conclusion, la structure de logiciels hybrides de calcul peut servir comme un outil prometteur pour caractériser la lithologie de réservoirs souterrains avec des caractéristiques lithologiques manquantes.ResumenLa caracterización efectiva de la litología es vital para la conceptualización de los sistemas acuíferos complejos, lo cual es un prerequisito para el desarrollo de modelos de flujo confiables del agua subterránea y de transporte de contaminantes. Sin embargo, dicha información está a menudo limitada para la mayoría de las cuencas de agua subterránea. Este estudio explora la utilidad y el potencial de un marco híbrido de un software computacional; se desarrolló un enfoque basado en una red neuronal artificial con ensayos del gradiente del momento descendente (ANN-GDM) y algoritmos genéticos tradicionales (GA) en base a ANN (ANN-GA) y se comparó con un método novedoso basado en mapa híbrido autoorganizado (SOM) a partir de ANN (SOM-ANN-GA), para la predicción de la litología en una escala de cuenca. Este marco se demostró a través de un caso de estudio que involucró a un sistema acuífero multicapa complejo en la India, donde los sitios de registros de pozos se agruparon sobre la base de las frecuencias de las capas de arena; dentro de cada grupo, las capas del subsuelo fueron reclasificadas en cuatro clases de profundidad basada en la máxima profundidad de las perforaciones. Se desarrollaron modelos ANN para cada clase de profundidad utilizando cada uno de las tres aproximaciones. De las tres, los modelos SOM-ANN-GA híbridos fueron capaces de reconocer patrones geológicos incompletos razonablemente, seguido por los modelos ANN-GDM ANN-GA. Se concluye que el marco del software computacional híbrido puede servir como una herramienta prometedora para caracterizar la litología en las cuencas de aguas subterráneas con patrones litológicos faltantes.摘要岩性的有效描述对于复杂含水层系统的概念化至关重要,而复杂含水层系统的概念化是建立可靠的地下水流和污染物运移模型的先决条件。然而,对于大多数地下水流域来说,这样的信息常常有限。本研究探索了一个混合柔性计算框架的有效性和潜力;建立了具有梯度下降—势头培训的传统人工神经网络(ANN-GDM)及基于人工神经网络(ANN-GA)方法的传统遗传算法(GA),并与根据流域尺度预测岩性的人工神经网络 (SOM-ANN-GA)方法得到的新的混合自组织图(SOM)进行了比较。通过印度一个复杂的多层含水层系统的研究实例展示了这个框架,在这个含水层系统中,测井地点根据砂层频率聚集一起;在每一个聚集群中,地表以下地层根据最大钻孔深度重新分为四个深度级别。采用三种方法的每种方法建立了每个深度级别的人工神经网络模型。三个模型中,混合的SOM-ANN-GA模型能够更加合理地识别不完全的地质模式,其次是ANN-GA模型和ANN-GDM模型。可以得出的结论就是,混合的柔性-计算框架可以作为一个有希望的工具,用来描述缺失岩性模式的地下水流域的岩性。ResumoA caracterização eficaz da litologia é vital para a conceituação de sistemas aquíferos complexos, sendo um pré-requisito para o desenvolvimento de modelos confiáveis de fluxo de águas subterrâneas e transporte de contaminantes. No entanto, tal informação é muitas vezes limitada para a maioria das bacias de águas subterrâneas. Este estudo explora a utilidade e o potencial de um quadro híbrido de computação flexível; uma rede neural artificial tradicional com treinamento do momento descendente do gradiente (ANN-GDM) e um algoritmo genético tradicional (ANN-GA) baseado na abordagem de redes neurais (ANN) foram desenvolvidos e comparados com um novo mapa híbrido original auto-organizavel (SOM) com base na abordagem de ANN (SOM-ANN-GA) para a predição da litologia em uma escala de bacia. Este arcabouço é demonstrado através de um estudo de caso envolvendo um sistema aquífero complexo multicamadas, na Índia, onde registros locais de poços foram agrupados com base em frequências de camada de areia; dentro de cada agrupamento, camadas do subsolo foram reclassificadas em quatro classes de profundidade com base na profundidade máxima de perfuração. Dos três, os modelos híbridos SOM-ANN-GA foram capazes de reconhecer um padrão geológico incompleto mais razoavelmente, seguido pelos modelos ANN-GA e ANN-GDM. Conclui-se que o quadro híbrido de computação flexível pôde servir como uma ferramenta promissora para caracterização da litologia em bacias de águas subterrâneas com padrões litológicos faltantes.

On the statistical forecasting of groundwater levels in unconfined aquifer systems

The efficacy of multiple linear regression (MLR) as a modeling tool was investigated for forecasting groundwater levels in unconfined aquifer systems. The monthly groundwater level data of 17 sites and monthly data of rainfall, river stage and temperature and seasonal dummy variables were considered as input variables for MLR modeling. Three different approaches based upon plausible combinations of these input variables were considered to develop MLR models for individual sites. The regression coefficients of each MLR model following all the approaches were determined and the performance of these regression models was assessed using multiple correlation coefficient (R), multiple R2, adjusted R2, F-statistic, p-level, and standard error of estimate goodness-of-fit statistics. The best MLR models obtained for individual sites were then calibrated and validated to forecast groundwater levels over the study area. The analysis of the modeling results indicated that the MLR models developed in this study are able to predict groundwater levels with a reasonable accuracy at almost all the sites under study. It is concluded that the MLR technique can serve as a cost-effective and easy-to-use groundwater modeling tool for hydrogeologists, especially under inadequate field data condition.

Numerical groundwater-flow modeling to evaluate potential effects of pumping and recharge: implications for sustainable groundwater management in the Mahanadi delta region, India

Process-based groundwater models are useful to understand complex aquifer systems and make predictions about their response to hydrological changes. A conceptual model for evaluating responses to environmental changes is presented, considering the hydrogeologic framework, flow processes, aquifer hydraulic properties, boundary conditions, and sources and sinks of the groundwater system. Based on this conceptual model, a quasi-three-dimensional transient groundwater flow model was designed using MODFLOW to simulate the groundwater system of Mahanadi River delta, eastern India. The model was constructed in the context of an upper unconfined aquifer and lower confined aquifer, separated by an aquitard. Hydraulic heads of 13 shallow wells and 11 deep wells were used to calibrate transient groundwater conditions during 1997–2006, followed by validation (2007–2011). The aquifer and aquitard hydraulic properties were obtained by pumping tests and were calibrated along with the rainfall recharge. The statistical and graphical performance indicators suggested a reasonably good simulation of groundwater flow over the study area. Sensitivity analysis revealed that groundwater level is most sensitive to the hydraulic conductivities of both the aquifers, followed by vertical hydraulic conductivity of the confining layer. The calibrated model was then employed to explore groundwater-flow dynamics in response to changes in pumping and recharge conditions. The simulation results indicate that pumping has a substantial effect on the confined aquifer flow regime as compared to the unconfined aquifer. The results and insights from this study have important implications for other regional groundwater modeling studies, especially in multi-layered aquifer systems.RésuméLes modèles hydrogéologiques numériques sont utiles pour comprendre des systèmes aquifères complexes et pour faire des prévisions sur leur réponse aux changements hydrologiques. Un modèle conceptuel pour l’évaluation des réponses aux changements environnementaux est. présenté, en prenant en considération le contexte hydrogéologique, les processus d’écoulement, les propriétés hydrauliques de l’aquifère, les conditions aux limites, et les entrées et sorties du système aquifère. A partir du modèle conceptuel, un modèle d’écoulement transitoire des eaux souterraines en quasi-3D a été conçu en utilisant MODFLOW, afin de simuler le système aquifère du delta de la rivière Mahanadi, dans l’Est de l’Inde. Le modèle a été élaboré considérant le contexte d’aquifère superficiel à nappe libre et d’un aquifère sous-jacent à nappe captive, séparés par un aquitard. Les charges hydrauliques de 13 puits peu profonds et de 11 puits profonds ont été utilisées pour le calage en transitoire pour la période 1997–2006, suivi par une validation (2007–2011). Les paramètres hydrodynamiques des aquifères et de l’aquitard ont été obtenus par des pompages d’essai et ont été ajustées conjointement avec la recharge par les précipitations. Les indicateurs de performance statistiques et graphiques ont montré une simulation raisonnablement bonne des écoulements d’eau souterraine pour la zone d’étude. L’analyze de sensibilité a montré que le niveau piézométrique est. le paramètre le plus sensible aux conductivités hydrauliques des deux aquifères, suivi par la conductivité hydraulique verticale du niveau captif. Le modèle calibré a ensuite été utilisé pour prévoir l’évolution des écoulements d’eau souterraine en réponse aux modifications des conditions de pompage et de recharge. Les résultats de la simulation indiquent que le pompage a un effet significatif sur le régime d’écoulement de la nappe captive, en comparaison de la nappe libre. Les résultats et les connaissances issus de cette étude ont des conséquences importantes pour d’autres études de modélisation d’aquifères régionaux, en particulier pour les systèmes aquifères multicouches.ResumenLos modelos de aguas subterráneas basados en los procesos son útiles para comprender los sistemas acuíferos complejos y hacer predicciones sobre su respuesta a los cambios hidrológicos. Se presenta un modelo conceptual para evaluar las respuestas a los cambios ambientales, considerando el marco hidrogeológico, los procesos de flujo, las propiedades hidráulicas de los acuíferos, las condiciones de los límites y las fuentes y sumideros del sistema de agua subterránea. Sobre la base de este modelo conceptual, se diseñó un modelo de flujo de agua subterránea transitoria cuasi tridimensional utilizando MODFLOW para simular el sistema de agua subterránea del delta del río Mahanadi, en el este de la India. El modelo fue construido en el contexto de un acuífero superior no confinado y un acuífero confinado inferior, separado por un acuitardo. Se utilizaron las cargas hidráulicas de 13 pozos poco profundos y 11 pozos profundos para calibrar las condiciones transitorias del agua subterránea durante 1997–2006, seguida de la validación (2007–2011). Las propiedades hidráulicas del acuífero y del acuitardo se obtuvieron mediante ensayos de bombeo y se calibraron junto con la recarga de las lluvias. Los indicadores estadísticos y gráficos de rendimiento sugirieron una simulación razonablemente buena del flujo de agua subterránea en el área de estudio. El análisis de sensibilidad reveló que el nivel del agua subterránea es más sensible a las conductividades hidráulicas de ambos acuíferos, seguido por la conductividad hidráulica vertical de la capa de confinante. El modelo calibrado se empleó entonces para explorar la dinámica del flujo de agua subterránea en respuesta a los cambios en las condiciones de bombeo y recarga. Los resultados de la simulación indican que el bombeo tiene un efecto sustancial en el régimen de flujo del acuífero confinado en comparación con el acuífero no confinado. Los resultados y las conclusiones de este estudio tienen implicancias importantes para otros estudios regionales de modelado de agua subterránea, especialmente en sistemas de acuíferos multicapa.摘要基于过程的地下水模型有助于了解复杂的含水层系统,并对其对水文变化的反应作出预测。提出了评估环境变化反应的概念模型,考虑了地下水系统的水文地质学框架,流程,含水层水力特性,边界条件以及源和汇。基于这一概念模型,使用MODFLOW设计了一个准三维瞬态地下水流动模型,以模拟印度东部马哈纳迪河三角洲地下水系统。该模型是在上层无约束含水层和下限密闭含水层的背景下构建的,由含水层分隔开。使用13口浅井和11口深井的液压头来校准1997–2006年的瞬时地下水条件,然后进行验证(2007–2011年)。通过抽水试验获得含水层和水层水力特性,并与降雨补给一起进行校准。统计和图形性能指标表明,对研究区域的地下水流量进行了相当好的模拟。敏感性分析表明,地下水位对含水层的水力电导率最为敏感,其次是围堰层的垂直水力传导率。然后根据泵送和补给条件的变化,采用校准模型来探索地下水流动力学。模拟结果表明,与无约束含水层相比,泵送对约束含水层流动状态具有实质性影响。本研究的结果和见解对其他区域地下水模拟研究,特别是在多层含水层系统中具有重要意义。ResumoOs modelos de águas subterrâneas baseados em processos são úteis para compreender sistemas aquíferos complexos e realizar predições de seu comportamento à mudanças hidrogeológicas. Considerando o arcabouço hidrogeológico, os processos de fluxo, as propriedades hidráulicas do aquífero, as condições de contorno, e as fontes e sumidouros do sistema subterrâneo de água, apresenta-se um modelo conceitual para a avaliação de respostas à mudanças ambientais. Com base neste modelo conceitual foi desenhado um modelo de fluxo de água transiente quase-tridimensional usando MODFLOW para simular o sistema de águas subterrâneas do delta do Rio Mahanadi, leste da Índia. O modelo foi concebido no contexto de um aquífero superior não confinado e um aquífero inferior confinado, separados por um aquitardo. Foram usados os dados potenciométricos de 13 poços rasos e 11 poços profundos durante o período entre 1997–2006 (posteriormente validados por dados entre 2007 e 2011), a fim de calibrar as condições transientes das águas subterrâneas. As propriedades hidráulicas do aquífero e do aquitardo foram obtidas mediante ensaios de bombeamento, calibrados simultaneamente com a recarga por água da chuva. Os indicadores estatísticos e gráficos de desempenho sugeriram uma razoável boa simulação do fluxo das águas subterrâneas para a área de estudo. A análise de sensibilidade mostrou que o nível das águas subterrâneas oferece mais resposta às condutividades hidráulicas dos dois aquíferos, seguido pela condutividade hidráulica vertical da camada confinante. O modelo calibrado foi então usado para explorar a dinâmica do fluxo das águas subterrâneas em resposta às mudanças de bombeamento e condições de recarga. Os resultados da simulação indicam que o bombeamento tem um substancial efeito no regime de fluxo do aquífero confinado, em comparação ao aquífero não confinado. Os resultados e percepções decorrentes desse estudo têm importantes implicações para outros estudos de modelagens regionais de águas subterrâneas, especialmente para sistemas aquíferos multicamadas.