پیشبینی مناطق بالقوه آب زیرزمینی با استفاده از روشهای هوش مصنوعی ترکیبی (مطالعه موردی: دشت بیرجند)
نویسندگان
1 گروه مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی ، تهران ، ایران
2 دانشیار گروه مهندسی عمران، دانشگاه بیرجند، بیرجند، ایران
3 دانشآموخته کارشناسی ارشد مهندسی عمران آب و سازههای هیدرولیکی و عضو باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد
4 دانشآموخته کارشناسی ارشد، گروه مهندسی نقشه برداری، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران
doi
10.22059/ijswr.2021.325397.669001چکیده
آبهای زیرزمینی یکی از مهمترین منابع با ارزش برای استفاده جوامع، کشاورزی و صنایع هستند. در مطالعه حاضر، سه مدل هوش مصنوعی جدید شامل مدل آدابوست واقعی بهبود یافته (MRAB)، مدل بگینگ (BA) و مدل جنگل چرخشی (RF) توسط مدل طبقهبندیکننده پایه درخت عملکردی (FT) برای پیشبینی مناطق بالقوه آبهای زیرزمینی در منطقه دشت بیرجند توسعه داده شدهاند. لذا جهت پیادهسازی، دادههای ژئوهیدرولوژیکی 37 حلقه چاه آب زیرزمینی و 10 عامل توپوگرافی، هیدرولوژی و زمینشناسی مورد استفاده قرار گرفت. عملکرد این مدلها با استفاده از سطح زیر منحنی (AUC) و سایر شاخصهای آماری مورد ارزیابی قرار گرفت. نتایج نشان داد که هر چند تمامی مدلهای ترکیبی توسعه داده شده در این تحقیق دقت پیشبینی را افزایش دادند، اما مدل MRAB-FT (742/0AUC=) دقت بالاتری را در پیشبینی مناطق بالقوه آبهای زیرزمینی در منطقه دشت بیرجند دارد. تهیه نقشه دقیق از مناطق بالقوه آب زیرزمینی، با حفظ تعادل بین مصرف و بهرهبرداری، به تغذیه مناسب آبخوان برای استفاده بهینه از منابع آب زیرزمینی کمک خواهد کرد.