فهرست نشریات علمی دسترسی آزاد ایران

قابلیت انتقال یکی از پارامترهای مهم در شناسایی خصوصیات آبخوان­ها می­باشد و به‌دست آوردن مقادیر و چگونگی توزیع آن توسط مدل­سازی، برای مدیریت آبخوان­ها ضروری به‌نظر می­رسد. برآورد این پارامتر با استفاده از آزمایشات صحرایی مانند آزمایش پمپاژ بسیار پرهزینه و وقت­گیر است. برای مدیریت مناسب آبخوان دشت ملکان که یکی از قطب‌های کشاورزی شمال­‌غرب کشور می‌باشد شناخت پارامترهای هیدروژئولوژیکی، خصوصاً قابلیت انتقال امری لازم و ضروری می‌باشد. در مطالعه حاضر روش جنگل تصادفی (RF) که یک روش یادگیری مبتنی بر دسته‌ای از درخت‌های تصمیم است، برای پیش­‌بینی قابلیت انتقال آبخوان پیشنهاد شده که تاکنون در این زمینه مورد استفاده قرار نگرفته است. روش RF نسبت به روش‌های دیگر دارای مزایایی مانند دقت پیش­‌بینی بالا، توانایی در یادگیری روابط غیر‌خطی، توانایی بالا در تعیین متغیرهای مهم در پیش‌بینی و ماهیت غیر پارامتری می‌باشد. در مدل RF به‌دلیل اینکه با افزایش درخت‌ها میزان خطا کاهش می‌یابد، بنابراین تعداد 500 درخت برای فراخوانی مدل استفاده شد و پس از اجرای مدل نتایج مدل به‌وسیله برآورد خطای خارج از کیسه (OOB) ارزیابی گردید و علاوه بر این، برای کاهش ابعاد و افزایش دقت و قابل تفسیر بودن مدل، روش انتخاب ویژگیFS)) به‌کار برده شد و متغیرهای مهم در پیش‌بینی نیز شناسایی گردید. بر اساس نتایج مدل‌­سازی با RF مقادیر MSE و AUC به‌ترتیب برابر با 036/0 و 96/0، متغیرهای هدایت الکتریکی، محیط آبخوان و گرادیان هیدرولیکی به‌ترتیب به‌عنوان پارامترهای مهم و تأثیرگذار در پیش‌بینی قابلیت انتقال شناسایی شدند. همچنین نتایج قابل قبول مدل RF در پیش‌بینی قابلیت انتقال و تعیین پارامترهای مهم در پیش‌بینی، نشان از مزایای مدل ارائه‌شده نسبت به سایر مدل‌ها در بحث پیش­‌بینی، می‌باشد.