JOURNAL OF HYDROCARBONS MINES AND ENVIRONMENTAL RESEARCH

__________________

© Journal of Hydrocarbons Mines and Environmental Research, ISSN: 2107-6510, Volume 4, Issue 1, June 2013, 42-56 __________________________________________________________________________________________________

Prediction of dynamic groundwater levels in the Gaza coastal aquifer, south Palestine, using Artificial Neural Networks

Hasan Sirhan * and Manfred Koch *

Department of Geohydraulics and Engineering Hydrology, Faculty of Civil Engineering, Kassel University, 34125 Kassel, Germany
* corresponding authors: hsirhan_99@yahoo.com (H. Sirhan), kochm@uni-kassel.de (M. Koch)

Received: 15 October 2012 - Accepted: 19 September 2013 - Available online: 20 September 2013

Abstract: Groundwater is the most precious natural resource in the Gaza Strip, South Palestine. The only source of groundwater supply in the area is the Mediterranean coastal aquifer of the Gaza Strip. However, due to a large population growth in recent decades, with an ever-increasing demand for domestic and agricultural water, groundwater in the region has been overexploited. This has led to excessive reductions in yields, deterioration of ground water quality and pumping wells going dry. Therefore, for maintaining the sustainability of the Gaza groundwater system and to forestall imminent future problems, a better understanding of its dynamics is needed. To do this properly, numerical groundwater modeling must be done.
In the present study artificial neural networks (ANN) are applied as a new approach for groundwater management in the Gaza coastal aquifer to investigate the effects of hydrological, meteorological and anthropic factors on the dynamic groundwater levels in the aquifer. The initial ANN model for predicting groundwater levels is set up using monthly groundwater time series data recorded between 2000 and 2010 at 70 wells across the Gaza Strip. Seven independent predictor variables were used, namely, initial groundwater level, abstraction rate, recharge from rainfall, hydraulic conductivity, distance of the pumping wells from the coastal shoreline, depth to the well screen and well density. The best architecture of this initial ANN model found by trial and error turns out to be a 3-layer perceptron network (MLP), i.e. is an ANN with one hidden layer between input and output layer. However the subsequent sensitivity analysis of this initial ANN model shows, from the computation of the ratio of the mean square error without a particular variable included to that of the full model, that two of the seven input variables are non-influential for the water level predictions and can thus be discarded from the ANN model. The latter is then revised accordingly and the final ANN model obtained again after numerous trials is a 4-layer MLP, with an input layer consisting of five neurons, a first hidden layer with 30 neurons, a second hidden layer with 20 neurons, and the output layer with one neuron.
Finally, in order to get some more physical insights into the aquifer system’s behavior, response graphs and surfaces are visualized which indicate, among others, that the final water levels are positively correlated with the initial water levels and with the groundwater recharge and negatively with the pumping rate, whereas their dependencies on the well screen depth and on the well density are somewhat ambiguous.
Keywords: Gaza coastal aquifer, Groundwater levels, Artificial Neural Networks.

Prévision des niveaux d'eau souterraine dynamiques dans l'aquifère côtier de Gaza, Palestine du sud, par réseaux de neurones artificiels

Résumé: Les eaux souterraines sont la plus précieuses ressources naturelles dans la bande de Gaza, Palestine du sud. La seule source d'offre d'eaux souterraines dans le secteur est l'aquifère côtier méditerranéen de la bande de Gaza. Cependant, en raison d'une grande croissance démographique au cours des dernières décennies, avec une demande toujours croissante de l'eau domestique et agricole, les eaux souterraines dans la région ont été surexploitées. Ce qui a conduit aux réductions excessives des rendements, à la détérioration de la qualité des eaux souterraines et des puits de pompage devenant secs. Par conséquent, pour maintenir la durabilité du système des eaux souterraines de Gaza et pour devancer de futurs problèmes imminents, une meilleure compréhension de sa dynamique est nécessaire. Pour faire ceci correctement, la modélisation numérique des eaux souterraines doit être effectuée.
Dans cette présente étude, les réseaux de neurones artificiels (RNA) sont appliqués comme nouvelle approche pour la gestion des eaux souterraines dans l'aquifère côtier de Gaza, pour étudier les effets des facteurs hydrologiques, météorologiques et anthropiques sur les niveaux dynamiques des eaux souterraines dans l'aquifère. Le modèle RNA initial pour la prédiction des niveaux des eaux souterraines est installé en utilisant des données de séries chronologiques mensuelles enregistrées entre 2000 et 2010 dans 70 puits à travers la bande de Gaza. Sept variables indépendantes prédictives ont été utilisées, à savoir: niveau des eaux souterraines initial, taux d'abstraction, recharge des précipitations, conductivité hydraulique, distance des puits de pompage du rivage côtier, profondeur au filtre pour puits et densité de puits. La meilleure architecture de ce premier modèle RNA trouvé par test s'avère être un réseau à 3 couches de perceptron (MLP), c.-à-d. un RNA avec une couche cachée entre la couche d'entrée et sortie. Cependant l'analyse de sensibilité suivante de ce premier modèle RNA montre que, par calcul du rapport de l'erreur quadratique moyenne sans variable particulière incluse à celle du modèle complet, deux des sept variables d'entrée sont non-influentes pour les prévisions du niveau d'eau et peuvent être rejetées ainsi du modèle RNA. Ce dernier est alors mis à jour en conséquence et le modèle RNA final obtenu encore après de nombreux tests est un MLP à 4 couches, avec une couche d'entrée se composant de cinq neurones, une première couche cachée avec 30 neurones, une deuxième couche cachée avec 20 neurones, et la couche de sortie avec un neurone.
En conclusion, afin d'avoir encore plus d'analyses physiques dans le comportement du système aquifère, on visualise des graphes et des surfaces de réponse qui indiquent, notamment, que les niveaux d'eau finaux sont franchement corrélés positivement avec les niveaux d'eau initiaux et avec la recharge des eaux souterraines et négativement avec le taux de pompage. Tandis que leurs dépendances sur la profondeur de filtre pour puits et sur la densité de puits sont quelque peu ambiguës.
Mots clés: Aquifère côtier de Gaza, niveaux d'eau souterraine, réseaux de neurones artificiels.