فهرست نشریات علمی دسترسی آزاد ایران

هدف: هدف از این مطالعه مدل‌سازی سطح آب زیرزمینی در مناطق خشک و نیمه‌خشک، مانند دشت بهار، برای مدیریت پایدار منابع آبی با استفاده از دو مدل یادگیری ماشین پیشرفته، یعنی ماشین بردار پشتیبان (SVR) و ماشین یادگیری شدید (ELM) است. روش پژوهش: در این مطالعه، داده‌های ۱۰ساله شامل سطح آب زیرزمینی، بارندگی، تبخیر و دما با گام زمانی ماهانه برای توسعه این مدل‌ها استفاده شد. تمامی متغیرها برای جلوگیری از بایاس شدن مدل‌ها به بازه 0 تا 1 نرمال‌سازی شدند و شاخص‌های RMSE، NSE و R² برای ارزیابی عملکرد مدل‌ها به کار گرفته شدند. یافته‌ها: نتایج نشان داد که مدل ELM با تابع فعال‌ساز چندجمله‌ای در هر دو مرحله آموزش و آزمون بهترین عملکرد را ارائه داده است (آموزش:0.9097 RMSE = 0.1747 , NSE = 0.9045 , )، (تست:0.9098 RMSE = 0.1675 , NSE = 0.9048 , ) . در مقابل، مدل SVR با کرنل چندحمله ایی بهترین دقت را در هر دو مرحله نشان داد(آموزش:0.9038 RMSE = 0.2246 , NSE = 0.8740 , )، (تست:0.9048 RMSE = 0.2218 , NSE = 0.8758 , )    نتیجه‌گیری: یافته‌های این مطالعه نشان می‌دهد که مدل ELM می‌تواند به‌عنوان ابزاری مؤثر در مدیریت منابع آب زیرزمینی استفاده شود. از سوی دیگر، عملکرد ضعیف مدل SVR با کرنل خطی حاکی از عدم کارایی آن در مدل‌سازی روابط غیرخطی در داده‌های مناطق خشک و نیمه‌خشک است. هدف: هدف از این مطالعه مدل‌سازی سطح آب زیرزمینی در مناطق خشک و نیمه‌خشک، مانند دشت بهار، برای مدیریت پایدار منابع آبی با استفاده از دو مدل یادگیری ماشین پیشرفته، یعنی ماشین بردار پشتیبان (SVR) و ماشین یادگیری شدید (ELM) است. روش پژوهش: در این مطالعه، داده‌های ۱۰ساله شامل سطح آب زیرزمینی، بارندگی، تبخیر و دما با گام زمانی ماهانه برای توسعه این مدل‌ها استفاده شد. تمامی متغیرها برای جلوگیری از بایاس شدن مدل‌ها به بازه 0 تا 1 نرمال‌سازی شدند و شاخص‌های RMSE، NSE و R² برای ارزیابی عملکرد مدل‌ها به کار گرفته شدند. یافته‌ها: نتایج نشان داد که مدل ELM با تابع فعال‌ساز چندجمله‌ای در هر دو مرحله آموزش و آزمون بهترین عملکرد را ارائه داده است (آموزش:0.9097 RMSE = 0.1747 , NSE = 0.9045 , )، (تست:0.9098 RMSE = 0.1675 , NSE = 0.9048 , ) . در مقابل، مدل SVR با کرنل چندحمله ایی بهترین دقت را در هر دو مرحله نشان داد(آموزش:0.9038 RMSE = 0.2246 , NSE = 0.8740 , )، (تست:0.9048 RMSE = 0.2218 , NSE = 0.8758 , )    نتیجه‌گیری: یافته‌های این مطالعه نشان می‌دهد که مدل ELM می‌تواند به‌عنوان ابزاری مؤثر در مدیریت منابع آب زیرزمینی استفاده شود. از سوی دیگر، عملکرد ضعیف مدل SVR با کرنل خطی حاکی از عدم کارایی آن در مدل‌سازی روابط غیرخطی در داده‌های مناطق خشک و نیمه‌خشک است.