پیش بینی مناطق بالقوه آب زیرزمینی با استفاده از روش های هوش مصنوعی ترکیبی (مطالعه موردی: دشت بیرجند)

آب های زیرزمینی یکی از مهم ترین 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 طبقه بندی کننده پایه درخت عملکردی (FT) برای پیش بینی مناطق بالقوه آب های زیرزمینی در منطقه دشت بیرجند توسعه داده شده اند. لذا جهت پیاده سازی، داده های ژئوهیدرولوژیکی ۳۷ حلقه چاه آب زیرزمینی و ۱۰ عامل توپوگرافی، هیدرولوژی و زمین شناسی مورد استفاده قرار گرفت. عملکرد این مدل ها با استفاده از سطح زیر منحنی (AUC) و سایر شاخص های آماری مورد ارزیابی قرار گرفت. نتایج نشان داد که هر چند تمامی مدل های ترکیبی توسعه داده شده در این تحقیق دقت پیش بینی را افزایش دادند، اما مدل MRAB-FT (۷۴۲/۰AUC=) دقت بالاتری را در پیش بینی مناطق بالقوه آب های زیرزمینی در منطقه دشت بیرجند دارد. تهیه نقشه دقیق از مناطق بالقوه آب زیرزمینی، با حفظ تعادل بین مصرف و بهره برداری، به تغذیه مناسب آبخوان برای استفاده بهینه از منابع آب زیرزمینی کمک خواهد کرد.

کلیدواژه ها:

پتانسیل آب زیرزمینی ، هوش مصنوعی ، مناطق نیمه خشک