فهرست نشریات علمی دسترسی آزاد ایران

آب‌های زیرزمینی یکی از کلیدی‌ترین منابع آب در سطح کره خاکی هستند که در بخش کشاورزی، صنعت و شرب دارای اهمیت بوده و ضامن حیات برای نسل آینده به شمار می‌آیند. در این تحقیق از 227 سری داده مربوط پارامترهای هواشناسی و آب زیرزمینی دشت سراوان در استان سیستان و بلوچستان جهت پیش‌بینی و برآورد سطح ایستابی آب زیرزمینی با استفاده مدل‌های هوشمند یادگیری ماشین استفاده شد. از این تعداد سری داده، 159 سری برای استفاده در بخش آموزش مدل‌ها و 68 سری برای آزمون مدل‌ها در سناریوهای طراحی‌شده تخصیص یافت. عملکرد مدل‌های جنگل تصادفی و M5P در برآورد متوسط سطح ایستابی دشت سراوان مورد ارزیابی قرار گرفت. عملکرد مدل‌ها با استفاده از شاخص‌های آماری ضریب همبستگی (R)، خطای مجذور میانگین مربعات (RMSE) و خطای بایاس میانگین (MBE) مقایسه شد. نتایج به‌دست‌آمده نشان داد هر دو مدل بکاررفته از توانایی خوبی در مدل‌سازی سطح ایستابی برخوردارند، اما مدل M5P با ضریب همبستگی بالاتر خطاهای کمتری نسبت به مدل جنگل تصادفی دارد. سناریوی چهارم مدل M5P با مقادیر ضریب همبستگی، MBE و RMSE به ترتیب 961/0، 0001/0- و 727/0 در بخش آموزش و 871/0، صفر و 265/0 در بخش آزمون به عنوان بهترین مدل در بین سناریوهای دو مدل انتخاب شد. پیشنهاد می‌شود سطح ایستابی دشت سراوان با سایر روش‌های هوش مصنوعی و یادگیری ماشین نیز ارزیابی و با مطالعه حاضر مقایسه شود.