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.