فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و هدفتوان­یابی منابع آب زیرزمینی یکی از اصل‌های پایه در مدیریت منابع آب است. هدف این پژوهش توان­ یابی آب زیرزمینی با استفاده از مدل ­های یادگیری ماشین بردار پشتیبان (SVM) و همچنین دستورالعمل­ های فراکاوشی (مدل ترکیبی (هیبریدی) ماشین بردار پشتیبان و دستورالعمل بهینه­ سازی فراکاوشی زنبورعسل (SVM-BA) و مدل ترکیبی ماشین بردار پشتیبان و دستورالعمل بهینه ­سازی فراکاوشی ازدحام ذرات (SVM-PSO) است.مواد و روش­ هادر این پژوهش در منطقه‌ی بجنورد عامل‌های بلندی، شیب، جهت، شاخص رطوبت پستی‌بلندی، فاصله از آبراهه، تراکم زهکشی، فاصله از گسل، سنگ­ شناسی، شاخص موقعیت پستی‌بلندی، شاخص ناهمواری زمین، موقعیت شیب نسبی و شاخص هم گرایی جریان انتخاب شدند. از شرکت آب منطقه ­ای اطلاعات موقعیت 359 چشمه دریافت شد. دستورالعمل تقسیم ­بندی تصادفی برای تقسیم نقطه‌های آموزشی (70%) و نقطه‌های اعتبارسنجی (30%) استفاده شد. براساس تحلیل حساسیت حذفی، اندازه‌ی اهمیت و مشارکت متغیرهای ورودی در توان ­یابی آب زیرزمینی مشخص شد. ارزیابی دقت مدل‌ها در دو مرحله‌ی آموزش و اعتبارسنجی براساس روش منحنی مشخصه عامل گیرنده (ROC) انجام شد.نتایجارزیابی دقت مدل‌ها براساس معیار ارزیابی مساحت زیرمنحنی عامل گیرنده (AUC) نشان داد که دقت پیش­ بینی مدل ترکیبی ماشین بردار پشتیبان و دستورالعمل بهینه ­سازی فراکاوشی ازدحام ذرات (SVM-PSO) 945/0 بیشتر از دیگر مدل­ ها (SVM: 0.918 و SVM-BA: 0.932) بود. براساس نتایج مدل برتر در این پژوهش 7/75% از سطح منطقه طبقه‌ی توان زیاد و 38/66% از سطح منطقه طبقه‌ی توان خیلی‌زیاد را کسب کردند. از میان عامل‌های، موقعیت شیب نسبی (14/5%)، فاصله از گسل (13/4%) و سنگ ­شناسی (12/3%) در پیش ­بینی توان آب زیرزمینی بیشترین اهمیت را داشتند.بحث و نتیجه گیریبراساس نتایج این پژوهش، عملکرد مدل ماشین بردار پشتیبان زیاد بود و دو دستورالعمل بهینه ­سازی فراکاوشی زنبورعسل و فراکاوشی ازدحام ذرات موجب تقویت قدرت پیش­بینی مدل شدند. همچنین مدل­ های یادگیری ماشینی می­ توانند ارتباط میان عامل‌های محیطی و آب‌دهی چشمه ­ها را شناسایی کنند و با به‌کارگیری داده های موجود، نقش آن­ ها را تعیین کنند. عامل موقعیت شیب نسبی به‌عنوان مهم‌ترین متغیر و عامل فاصله از گسل نیز به‌عنوان دومین متغیر مهم در این پژوهش مشخص شدند. نتایج پژوهش نشان داد که در تغذیه‌ی بخش­ های زیرسطحی، ذخیره و جریان آب زیرزمینی، گسل­ های منطقه نقش مهمی داشتند. با کاربرد مدل در شناسایی وضعیت توان آب زیرزمینی عامل سنگ­ شناسی نیز به‌عنوان سومین متغیر مهم معرفی شد. در این پژوهش، با پیشنهاد نقشه‌ی توان آب زیرزمینی، امکان برنامه ­ریزی و تدقیق آمایش سرزمین برای آبخیز بجنورد فراهم شد.