فهرست نشریات علمی دسترسی آزاد ایران

امروزه به سبب برداشت‏های بی‏رویه از منابع آب زیرزمینی و افت تراز سطح ایستابی به‌ویژه در مناطق خشک و نیمه‏خشک، برنامه‏ریزی و مدیریت در مصرف این منابع باارزش اهمیت زیادی دارد که این امر نیازمند مطالعۀ رفتار آبخوان نسبت به تغییرات واردشده بر آن است. هدف از انجام این تحقیق، بررسی کارایی الگوریتم جنگل تصادفی در پیش‏بینی تراز سطح ایستابی آبخوان آزاد دشت بیرجند و مقایسۀ نتایج آن با دو مدل درخت تصمیم و شبکۀ عصبی مصنوعی است. در این راستا، ابتدا اطلاعات ورودی به مدل شامل تراز سطح ایستابی چاه‏های مشاهده‏ای، دما، بارندگی، رطوبت و تبخیر طی سال‏های آبی 1389ـ 1390 تا 1395 1396 به صورت ماهانه جمع‏آوری و پس از بررسی روند و حذف آن، برای ایجاد مدل‌های یادشده از بستۀ نرم‏افزاری Rattle در نرم‏افزار آماری R استفاده شد. نتایج حاصل از شبیه‏سازی با استفاده از الگوریتم جنگل تصادفی براساس معیارهای ارزیابی معادل 714/0=R2، 003/0=RMSE متر و 598/0=NS نشان می‏دهد این الگوریتم توانایی نسبتاً زیادی در شبیه‏سازی تراز سطح ایستابی آبخوان دارد. از مقایسۀ نتایج این الگوریتم با دو مدل درخت تصمیم و شبکۀ عصبی مصنوعی می‏توان دریافت که نتایج الگوریتم جنگل تصادفی نسبت به مدل درخت تصمیم با 5409/0=R2، 0072/0=RMSE متر و 0187/0-=NS تطابق بیشتری با تراز واقعی آبخوان دارد و با نتایج شبکۀ عصبی مصنوعی با 7055/0=R2، 003/0=RMSE متر و 6046/0=NS هم‌راستا است. همچنین، خروجی الگوریتم جنگل تصادفی نشان می‏دهد در بین پارامترهای ورودی، چاه‏های مشاهده‏ای واقع در نواحی مرکزی دشت و نیز پارامترهای هواشناسی بارندگی و رطوبت در شبیه‏سازی تراز سطح ایستابی آبخوان نقش مؤثرتری نسبت به سایر پارامترها ایفا می‏کنند.