ارزیابی مدلهای پیشرفته یادگیری ماشین در پیش‌بینی تراز سطح آب دریاچه ارومیه

نویسندگان

1 دانشجوی دکتری مدیریت منابع آب، دانشکده فنی و مهندسی واحد اراک، دانشگاه آزاد اسالمی، اراک، ایران.

2 استادیار گروه عمران، دانشکده فنی و مهندسی واحد اراک، دانشگاه آزاد اسالمی، اراک، ایران.

3 استادیار گروه عمران، دانشکده فنی و مهندسی واحد اراک، دانشگاه آزاد اسالمی، اراک، ایران.

doi
چکیده

دریاچه‌ها نقش مهمی در چرخه هیدرولوژیکی دارند و پیش‌بینی سطح آب آنها می‌تواند اطلاعات حیاتی برای مدیریت آینده دریاچه­‌ها و اکوسیستم آنها فراهم کند. در پژوهش حاضر 2 مدل شامل پس هرس کردن درخت به روش کاهش خطای هرس و مدل ترکیبی REPT با مدل جنگل چرخان (ROF-REPT) توسعه و ساخته شد، و برای پیش‌بینی 1، 2 و 3 ماه آتی سطح آب دریاچه ارومیه در شمال غرب ایران مورد استفاده قرار گرفت. داده­‌های سری زمانی سطح آب از سال 2001 تا 2020 به دو دسته، به ترتیب برای ساخت مدل (از سال 2001 تا 2014) و اعتبارسنجی (از 2015 تا 2020) تقسیم شد. سناریوهای ورودی مختلف برای یافتن مؤثرترین سناریو ورودی از متغیرهای اقلیمی ساخته شد و مورد ارزیابی قرار گرفت. در نهایت مدل‌های توسعه‌یافته از طریق معیارهای بصری و کمّی ارزیابی شدند. نتایج نشان داد که مدل ترکیبی ROF-REPT دارای عملکرد بالاتری نسبت به مدل منفرد REPT برای تمامی 1، 2 و 3 ماه آینده است. ضریب نش (Nash-Sutcliffe Efficiency) برای مدل‌های منفرد بین 0/45 تا 0/87 و برای مدل‌های ترکیبی بین 0/53 تا 0/95 حاصل شد. همچنین، نشان داده شد که مدل‌های توسعه‌یافته قادر به پیش‌بینی سطح آب تا 3 ماه آینده هستند.