فهرست نشریات علمی دسترسی آزاد ایران

برداشت بیش از حد از منابع آب‌زیرزمینی منجر به عدم تعادل کمی و کیفی قابل توجهی در اکثر آبخوان‌های ایران شده است. افزایش جمعیت و محدودیت منابع آب‌سطحی، نقش آب‌زیرزمینی را برای تأمین نیازهای شرب، کشاورزی و صنعت به مراتب پررنگ‌تر کرده است. لذا پایش و شبیه‌سازی تراز و کیفیت آب‌زیرزمینی برای مدیریت پایدار آبخوان‌ها ضروری است. دشت‌قزوین به عنوان یکی از قطب‌های کشاورزی کشور و همچنین وابستگی شدید به منابع آب‌زیرزمینی، به عنوان منطقه مورد‌ مطالعه انتخاب گردید. مدل‌های هوش‌مصنوعی به دلیل توانایی یادگیری الگوهای غیرخطی پیچیده و عدم نیاز به شناخت کامل از فرآیندهای فیزیکی آبخوان، رویکردی کارآمد برای پیش‌بینی و شبیه‌سازی ارائه می‌دهند. هدف از این پژوهش، شبیه‌سازی کیفیت و تراز سطح آب‌زیرزمینی دشت‎قزوین با استفاده از سه مدل‌ مبتنی بر یادگیری گروهی (RF، XGBoost و GBR) و یک مدل مبتنی بر نمونه (KNN) تعیین گردید. با مقایسه عملکرد مدل‌ها (معیار‌های ارزیابی، نمودار‌های پراکندگی، سری‌زمانی، اهمیت ویژگی‌ها، تیلور، جعبه‌ای و رادار) نتایج نشان دادند که مدل‌های مبتنی بر یادگیری گروهی (RF، XGBoost و GBR) با NSE و R² حدود 996/0 و شناسایی دقیق رابطه محوری میان داده‌ها، بهترین عملکرد را در شبیه‌سازی کیفیت و تراز آب‌زیرزمینی در مقایسه با مدل KNN از خود نشان دادند.