| ارزیابی مخاطرات اقلیمی بر ذخایر زیرزمینی آب: مدلسازی پیشبینی خشکسالی آبخوان قروه-دهگلان با رویکرد یادگیری ماشین |
| کد مقاله : 1272-CCSAMR (R1) |
| نویسندگان |
|
ابراهیم یوسفی مبرهن *1، علی خالقی2، حبیب کریمی پور3، کاظم صابرچناری4 1عضو هیات علمی بخش تحقیقات حفاظت خاک و آبخیزداری 2دانشجوی دکتری مدیریدت و کنترل بیابان،دانشکده کویر شناسی، دانشگاه سمنان 3محقق بخش حفاظت خاک و آبخیزداری مرکز سمنان 4پژوهشکده حفاظت خاک و آبخیزداری |
| چکیده مقاله |
| هدف این پژوهش، بررسی و بهکارگیری مدلهای یادگیری ماشینی برای بهبود دقت پیشبینیها و ارتقای مدیریت منبع آب زیرزمینی در دشت قروه-دهگلان است که نهایتاً منجر به حفاظت بهتر از این منابع حیاتی میشود. پیشبینیها با استفاده از مدلهای یادگیری ماشینی نشان دادند که این مدلها به خوبی با دادههای تجربی مطابقت دارند. در بین پنج مدل استفادهشده، مدل افزایش گرادیان شدید (XGBoost) با ضریب همبستگی (r=0.93) و خطای میانگین مربعات ریشهای (RMSE=0.071) بهترین عملکرد را در پیشبینی شاخصهای مورد نظر داشت. مدلهای یادگیری ماشینی دیگر نیز عملکرد قابل توجهی داشتند: مدل جنگل تصادفی با ضریب همبستگی (r=0.92) و RMSE=0.178، مدل درخت طبقهبندی و رگرسیون با ضریب همبستگی (r=0.89) و RMSE=0.192، مدل ماشین بردار پشتیبان با ضریب همبستگی (r=0.87) و RMSE=0.149، و مدل تحلیل ترکیبی با ضریب همبستگی (r=0.82) و RMSE=0.115، همگی عملکرد بالایی در پیشبینی شاخص GRI نشان دادند. نتایج این تحقیق نشان داد مدلهای یادگیری ماشین ابزار مناسبی برای پیشبینی شاخص خشکسالی منبع آب زیرزمینی هستند لذا استفاده از آنها در سایر محدودههای مشابه پیشنهاد میگردد. |
| کلیدواژه ها |
| ب زیرزمینی، GRI، شاخص خشکسالی، نمودار تیلور، ماشین یادگیری. |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر، لازم است پوستر در 2 سایت زیر بارگذاری شود. https://ccsamr.greenmeeting.ir** https://ccsamr.areeo.ac.ir/author |
