فهرست نشریات علمی دسترسی آزاد ایران

منابع آب زیرزمینی محدود و استفاده زیاد از آن‌ها به چالش‌های اساسی برای توسعه پایدار در سراسر جهان تبدیل شده‌اند. در این مطالعه ترکیبی از روش تجزیه و تحلیل نسبت ارزیابی گام‌به‌گام اوزان (SWARA)، روش یادگیری عمیق شبکه عصبی کانولوشن (CNN)، بهینه‌سازی نهنگ (WOA) و الگوریتم‌های کلونی زنبور عسل (ABC)، استفاده شد که رویکرد نوآورانه‌ای ارائه می‌دهد تا نقشه پتانسیل چشمه‌های آب زیرزمینی استان کرمانشاه، تولید شود. در مرحله اول، یک نقشه شامل 301 مکان چشمه با دبی بالای 30 متر مکعب بر ثانیه و 304 نقطه فاقد چشمه تهیه شد. سیزده پارامتر به عنوان متغیرهای مستقل ایجاد شدند. برای تعیین وزن معیارها، شاخص‌های تصمیم‌گیری و تعیین ارتباط بین پتانسیل ایجاد چشمه‌ و عوامل انتخاب شده از روش SWARA مورد استفاده قرار گرفت. سپس برای تهیه نقشه‌ پتانسیل چشمه‌های آب زیرزمینی از مدل‌ ترکیبی CNN-WOA، استفاده شد و از منحنی مشخصه عملکرد (ROC) برای ارزیابی استفاده شده است. اعتبارسنجی مجموعه داده آموزش نشان داد که نرخ موفقیت برای مدل‌های SWARA-CNN-WOA، SWARA-CNN-ABC به ترتیب 86٪، 91٪، می باشد. نتایج نشان داد با اختلاف کم، مدل SWARA-CNN-ABC بهتر ازسایر مدل‌های دیگر عمل کرده است. بعلاوه، ارزیابی نرخ پیش‌بینی مشخص نمود که مقادیر زیر منحنی ROC برای مدل‌های SWARA-CNN-ABC، SWARA-CNN-WOA به ترتیب 87٪، 88٪، است. بر اساس نتایج، با وجود عملکرد عالی تمام مدل‌ها، مدل SWARA-CNN-ABC پیش بینی دقیق‌تری انجام داده است. مدل‌های ترکیبی ارائه شده در این مطالعه می‌توانند به عنوان یک متودولوژی کارآمد و موثر برای بهبود پتانسیل یابی آب زیرزمینی استفاده شود.