حسین نوروزی - - کارشناسی ارشد هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز
عطاء الله ندیری - استادیار گروه زمین شناسی دانشگاه تبریز
اصغر اصغری مقدم - دانشگاه تبریر، دانشکده علوم طبیعی، گروه علوم زمین
مریم قره خانی - دانشگاه ایران

قابلیت انتقال یکی از پارامترهای مهم در شناسایی خصوصیات آبخوان­ها می­باشد و به دست آوردن مقادیر و چگونگی توزیع آن توسط مدل­سازی، برای مدیریت آبخوان­ها ضروری به نظر می­رسد. برآورد این پارامتر با استفاده از آزمایشات صحرایی مانند آزمایش پمپاژ بسیار پرهزینه و وقت­گیر است. برای مدیریت مناسب آبخوان دشت ملکان که یکی از قطب های کشاورزی شمال­ غرب کشور می باشد شناخت پارامترهای هیدروژئولوژیکی، خصوصا قابلیت انتقال امری لازم و ضروری می باشد. در مطالعه حاضر روش جنگل تصادفی (RF) که یک روش یادگیری مبتنی بر دسته ای از درخت های تصمیم است، برای پیش­ بینی قابلیت انتقال آبخوان پیشنهاد شده که تاکنون در این زمینه مورد استفاده قرار نگرفته است. روش RF نسبت به روش های دیگر دارای مزایایی مانند دقت پیش­ بینی بالا، توانایی در یادگیری روابط غیر خطی، توانایی بالا در تعیین متغیرهای مهم در پیش بینی و ماهیت غیر پارامتری می باشد. در مدل RF به دلیل اینکه با افزایش درخت ها میزان خطا کاهش می یابد، بنابراین تعداد ۵۰۰ درخت برای فراخوانی مدل استفاده شد و پس از اجرای مدل نتایج مدل به وسیله برآورد خطای خارج از کیسه (OOB) ارزیابی گردید و علاوه بر این، برای کاهش ابعاد و افزایش دقت و قابل تفسیر بودن مدل، روش انتخاب ویژگیFS)) به کار برده شد و متغیرهای مهم در پیش بینی نیز شناسایی گردید. بر اساس نتایج مدل ­سازی با RF مقادیر MSE و AUC به ترتیب برابر با ۰۳۶/۰ و ۹۶/۰، متغیرهای هدایت الکتریکی، محیط آبخوان و گرادیان هیدرولیکی به ترتیب به عنوان پارامترهای مهم و تاثیرگذار در پیش بینی قابلیت انتقال شناسایی شدند. همچنین نتایج قابل قبول مدل RF در پیش بینی قابلیت انتقال و تعیین پارامترهای مهم در پیش بینی، نشان از مزایای مدل ارائه شده نسبت به سایر مدل ها در بحث پیش­ بینی، می باشد.

آبخوان, جنگل تصادفی, درخت تصمیم, دشت ملکان, قابلیت انتقال