فهرست نشریات علمی دسترسی آزاد ایران

این مطالعه به پیش‌بینی تغییرات مساحت آبی خلیج گرگان با استفاده از داده‌های هیدرولوژیکی، ماهواره‌ای و اقلیمی شامل دما، بارش، دبی، تراز آب و مساحت آبی (MNDWI) دریای خزر در بازه زمانی 2000 تا 2023 پرداخت. به‌منظور مدل‌سازی این تغییرات، روش‌های پیشرفته یادگیری ماشین شامل XGBoost، شبکه عصبی RBFN، جنگل تصادفی و رگرسیون خطی استفاده شد. ارزیابی روابط میان متغیرها با استفاده از ضریب همبستگی و تحلیل رگرسیونی خطی انجام شد. شاخص‌های ارزیابی مدل شامل RMSE، MAE، MAPE، MBE و R² بوده و پنج سال به طور تصادفی داده‌های واقعی با داده‌های پیش‌بینی مقایسه شد. بر اساس نتایج، تغییرات تراز آبی دریای خزر بیشترین همبستگی را با مساحت آبی خلیج گرگان داشت (ضریب همبستگی 90/0 و معنی داری 001/0). ارتباط مساحت دریای خزر با خشک شدن خلیج گرگان ضریب همبستگی 66/0 و ضریب تعیین 43/0، و دبی ورودی با ضریب پیرسون 63/0 و ضریب تعیین 40/0 بود. بارش و دما با ضریب همبستگی 43/0 و 34/0- کمترین تأثیر را داشته است. نتایج ارزیابی مدل‌ها نشان داد که مدل XGBoost با ضریب تعیین 93/0 و خطای میانگین درصدی مطلق 9/4%، ریشه میانگین مربعات خطا 9/16 و میانگین مطلق خطا 3/15 بهترین عملکرد را داشت. در نهایت، پنج سال به‌طور تصادفی از جمله سال‌های 2000، 2008، 2011، 2016 و 2018 برای پیش‌بینی مساحت آبی خلیج گرگان توسط مدل انتخاب شد. نتایج نشان داد که تمامی مدل‌ها توانستند نوسانات داده‌ها را به طور مناسب شبیه‌سازی کنند، اما مدل XGBoost بهترین عملکرد را داشت.