Since incorrect site selection has sometimes led to the failure of artificial recharge projects, it is necessary to increase the effectiveness of such projects and minimize their failure by employing new techniques. Therefore, the present research used a combination of decision-making models, numerical groundwater modeling and clustering technique to determine suitable sites for implementation of an artificial recharge project. This hybrid approach was employed for the Yasouj aquifer located in southwestern Iran. In the first stage, by employing an AHP decision-making model, hydraulic conductivity, specific yield, slope, land use, depth to groundwater, and aquifer thickness were selected from 21 criteria used in previous research. The selected criteria were then entered as input into the classical k-means clustering model. Using the output, aquifer was divided into seven different regions or clusters. These clusters were then matched with the land use map, and some of the abandoned land areas were selected as the final option for implementing the artificial recharge project. Finally, the MODFLOW code in the GMS software was used to simulate the groundwater level and cluster the sites selected, with regards to increase in groundwater level. Results indicated that the most significant increases in groundwater level (43 and 27 cm) were those of Clusters 2 and 6 in the northern and western parts of the aquifer, respectively. Therefore, this approach can be used in other similar aquifers in arid and semi-arid regions to select the best sites for artificial recharge and to prevent loss of floodwaters.

由于错误的选址有时会导致人工补给项目失败，因此有必要通过采用新技术来提高此类项目的效率并最大程度地减少其失败。因此，本研究采用决策模型，地下水数值模拟和聚类技术的组合来确定实施人工补给项目的合适地点。这种混合方法用于位于伊朗西南部的Yasouj含水层。在第一阶段，通过采用AHP决策模型，从先前研究中使用的21条标准中选择了水力传导率，比产量，坡度，土地利用，地下水深度和含水层厚度。然后将所选标准输入到经典k均值聚类模型中作为输入。使用输出，含水层被分为七个不同的区域或簇。然后将这些集群与土地利用图相匹配，并选择一些废弃的土地区域作为实施人工补给项目的最终选择。最后，使用GMS软件中的MODFLOW代码来模拟地下水位并聚集所选地点，以提高地下水位。结果表明，地下水位（43和27 cm）的最显着增加分别是含水层北部和西部的第2组和第6组。因此，该方法可用于干旱和半干旱地区的其他类似含水层中，以选择最佳的人工补给地点并防止洪水流失。然后将这些集群与土地利用图相匹配，并选择一些废弃的土地区域作为实施人工补给项目的最终选择。最后，使用GMS软件中的MODFLOW代码来模拟地下水位并聚集所选地点，以提高地下水位。结果表明，地下水位（43和27 cm）的最显着增加分别是含水层北部和西部的第2组和第6组。因此，该方法可用于干旱和半干旱地区的其他类似含水层中，以选择最佳的人工补给地点并防止洪水流失。然后将这些集群与土地利用图相匹配，并选择一些废弃的土地区域作为实施人工补给项目的最终选择。最后，使用GMS软件中的MODFLOW代码来模拟地下水位并聚集所选地点，以提高地下水位。结果表明，地下水位（43和27 cm）的最显着增加分别是含水层北部和西部的第2组和第6组。因此，该方法可用于干旱和半干旱地区的其他类似含水层中，以选择最佳的人工补给地点并防止洪水流失。GMS软件中的MODFLOW代码用于模拟地下水水位并对所选地点进行聚类，以提高地下水位。结果表明，地下水位（43和27 cm）的最显着增加分别是含水层北部和西部的第2组和第6组。因此，该方法可用于干旱和半干旱地区的其他类似含水层中，以选择最佳的人工补给地点并防止洪水流失。GMS软件中的MODFLOW代码用于模拟地下水水位并对所选地点进行聚类，以提高地下水位。结果表明，地下水位（43和27 cm）的最显着增加分别是含水层北部和西部的第2组和第6组。因此，该方法可用于干旱和半干旱地区的其他类似含水层中，以选择最佳的人工补给地点并防止洪水流失。分别。因此，该方法可用于干旱和半干旱地区的其他类似含水层中，以选择最佳的人工补给地点并防止洪水流失。分别。因此，该方法可用于干旱和半干旱地区的其他类似含水层中，以选择最佳的人工补给地点并防止洪水流失。