مدل‌سازی و بررسی پیش‌بینی شوری آب زیرزمینی دشت قزوین با رویکرد داده ‌محور و هوش مصنوعی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران.

2 دانشیار گروه مهندسی آبیاری و ابادانی دانشگاه تهران

doi
10.22034/iwrr.2025.533006.2912
چکیده

در مطالعه حاضر که باهدف مدل‌سازی کیفیت آب‌های زیرزمینی انجام شد، روشی برای محاسبه ساختار فضایی داده‌ها در فرآیند مدل‌سازی پیشنهادشده است. این روش فاصله بین نقاط مشاهده و نقطه تخمین را به‌عنوان یکی از ورودی‌های مدل در برمی‌گیرد. مدل‌های GBR، GPR، KNN، MLP، SVMو RF مورداستفاده قرار گرفتند و مدل‌ها با استفاده از داده‌های کیفیت آب زیرزمینی به‌دست‌آمده به ترتیب از ۳۰۵۸ چاه برای ۴ چاه مشاهده‌ای نزدیک به هدف، ۲۷۲۴ چاه برای ۵ چاه مشاهده‌ای نزدیک به هدف، ۲۰۸۰ چاه برای ۶ چاه مشاهده‌ای نزدیک به هدف، ۱۳۶۴ چاه برای ۷ چاه مشاهده‌ای نزدیک به هدف و درنهایت از ۶۳۱ چاه برای ۸ چاه مشاهده‌ای نزدیک به هدف در منطقه‌ای در کل استان قزوین در شمال غرب ایران آموزش و آزمایش شدند دو مجموعه داده مجزا شامل اطلاعات ۶ ماهه اول سال و ۶ ماهه دوم سال استفاده شد. میانگین خطا MAE ,(R-squared)و ضریب اصلاح پیرسون و RMSE برای مدل‌هایی با چهار، پنج، شش، هفت و هشت چاه همسایه نشان‌دهنده عملکرد رضایت‌بخش مدل جنگل تصادفی بود. این مدل در هر دو مرحله آموزش و آزمون عملکرد بسیار خوبی داشته و کم‌ترین خطا و بالاترین همبستگی را نشان می‌دهد. اگرچه پیچیدگی و زمان اجرای این مدل ممکن است بیش‌تر باشد، اما دقت بالای آن این معایب را جبران می‌کند.