کاربرد شبکه بیزین و مدل ماشین بردار پشتیبان در پیش بینی تغییرات سطح تراز ایستابی (مطالعه موردی: دشت اردبیل)

آب­های زیرزمینی به عنوان یکی از منابع مهم و عمده تامین آب شرب و کشاورزی، به ویژه در مناطق خشک و نیمه خشک مطرح بوده است. شبیه سازی سیستم آب­های زیرزمینی به دلیل پیچیدگی این سیستم­ها به آسانی میسر نیست. در این مقاله با استفاده از داده­های سطح تراز ایستابی دشت اردبیل در بازه زمانی(۱۳۹۰-۱۳۵۱)، به ارزیابی عملکرد آزمون گاما برای پردازش و انتخاب ورودی­های مناسب و کارایی مدل­­های حداقل مربعات ماشین بردار پشتیبان و شبکه بیزین پرداخته شد. پارامترهای سطح تراز ایستابی ماهانه با تاخیرهای مختلف به عنوان ورودی آزمون گاما در نظر گرفته شد. نتایج آزمون گاما نشان داد که سطح تراز ایستابی با شش تاخیر زمانی، نتایج بهتری به منظور پیش بینی ارائه می دهد. شبیه سازی سطح تراز ایستابی با استفاده از دو مدل حداقل مربعات ماشین بردار پشتیبان و شبکه بیزین نیز نشان داد که بهترین ساختار ورودی برای پیش بینی سطح تراز ایستابی ماه بعد، تا شش تاخیر زمانی خواهد بود. از میان دو مدل با ساختار ورودی یکسان، مدل حداقل مربعات ماشین بردار پشتیبان، عملکرد بهتری را با توجه به ضریب تبیین ۹۷۷/۰، میانگین خطای مطلق ۲۰۴/۰ و جذر میانگین مربعات خطای ۳۰۷/۰، نسبت به شبکه بیزین داشته است. نتایج تحقیق نشان داد که آزمون گاما در انتخاب ترکیب ورودی مناسب در محاسبات نرم می­تواند کارایی بهتری داشته باشد.

کلیدواژه ها:

Bayesian networks ، Gamma Test ، Groundwater level ، Plain Ardebil ، Support Vector Machine ، آزمون گاما ، ترازسطح ایستابی ، دشت اردبیل ، شبکه بیزین ، ماشین بردار پشتیبان