کاربرد الگوریتمهای درخت وایازی تقویتشده، درخت مدل پشتیبان، و جنگل تصادفی برای ارزیابی احتمال آبهای زیرزمینی
نویسندگان
1 دانشآموخته ی کارشناسی ارشد، گروه مهندسی نقشه برداری، دانشکده ی مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران
2 دانشآموخته ی کارشناسی ارشد، گروه مهندسی نقشه برداری، دانشکده ی مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران
3 دانشآموخته ی کارشناسی ارشد، گروه مهندسی نقشه برداری، دانشکده ی مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران
4 دانش آموخته ی کارشناسی ارشد مهندسی عمران آب و سازه های هیدرولیکی و عضو باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی، مشهد
5 دانشیار گروه مهندسی عمران، دانشگاه بیرجند
doi
10.22092/wmrj.2021.356517.1440چکیده
بهدلیل رشد جمعیت و صنعتیشدن در منطقههای گوناگون جهان، از آبهای زیرزمینی بهطور مهارناپذیری بهرهبرداری میشود. هدف این پژوهش، ارزیابی احتمال آبهای زیرزمینی با الگوریتمهای پیشرفتهی یادگیری ماشین و با معیارهای پستیبلندی، آبشناسی، محیطی و زمینشناسی است. برای انجام این کار سه الگوریتم پیشرفتهی یادگیری ماشین شامل درخت وایازی تقویتشده، درخت مدل پشتیبان، و جنگل تصادفی بهکار بردهشد. دادههای آبشناسی 37 چاه آب زیرزمینی در دشت بیرجند، استان خراسان جنوبی، جمعآوری، و با انتخاب تصادفی به نسبت 70 به 30 به مجموعهی دادههای آموزشی و اعتبارسنجی تقسیم کردهشد. نقشههای احتمال آب زیرزمینی با سه الگوریتم تهیه شد. برای اعتبارسنجی الگوریتمهای پیشبینی احتمال آب زیرزمینی، سطح زیر منحنی و معیارهای آماری نرخ پیشبینیشدهی مثبت، نرخ پیشبینیشدهی منفی، حساسیت، ویژگی، و دقت بهکار بردهشد. نتیجه نشان داد که درخت مدل پشتیبان (0/865 =AUC) کارکرد بهتری در پیشبینی احتمال آب زیرزمینی منطقه دارد.
