فهرست نشریات علمی دسترسی آزاد ایران

این پژوهش با هدف مقایسه عملکرد مدل‌های ARIMA، SARIMA، ELM و XGBoost در مدل‌سازی و پیش‌بینی آبدهی جریان ماهانه در حوزه آبخیز طالقان انجام شد. داده‌ها شامل سری‌های زمانی دبی متوسط ماهانه پنج ایستگاه هیدرومتری شامل جوستان، مهران جوستان، دهدر، گته‌ده و علیزان جوستان در دوره سی ساله آبی از ابتدای سال آبی ۱۳۶8 تا اواخر سال آبی ۱۳۹8 بود. داده‌ها به نسبت ۸۰٪ آموزش و ۲۰٪ آزمون تقسیم شدند و مدل‌ها با چهار ترکیب ورودی مختلف شامل ۱ تا ۴ ماه گذشته آموزش دیده و ارزیابی گردیدند. عملکرد مدل‌ها با معیارهای ریشه میانگین مربعات خطا، خطای مطلق میانگین، ضریب نش‌ساتکلیف و ضریب همبستگی سنجیده شد. نتایج نشان داد در اکثر ایستگاه‌ها و به ویژه در ایستگاه جوستان مدل‌های یادگیری ماشین به طور قابل توجهی دقیق‌تر از مدل‌های کلاسیک عمل کردند. مدل XGBoost با ضریب نش‌ساتکلیف 978/0در مجموعه آموزش و 961/0 در مجموعه آزمون برای ایستگاه جوستان با ترکیب چهار بهترین عملکرد را داشت. افزایش ماه‌های ورودی دقت پیش‌بینی را بهبود بخشید. به عنوان مثال با افزایش تعداد ماه‌های گذشته به عنوان ورودی از ۱ به ۴ دقت مدل XGBoost در مرحله آزمون با بهبود ۲.۱ درصدی ضریب نش‌ساتکلیف از 94/0 به 96/0 و کاهش 2/6 درصدی ریشه میانگین مربعات خطا از 16/0 به 15/0 به طور معناداری ارتقا یافت. استفاده از مدل‌های یادگیری ماشین ابزاری مؤثر برای مدل‌سازی، پیش‌بینی آبدهی جریان و مدیریت منابع آب است. تحقیقات آتی می‌تواند بر توسعه مدل‌های ترکیبی و ادغام داده‌های اقلیمی متمرکز شود.