ارزیابی پایداری الگوریتم بیشینه بی نظمی برای مدل سازی پتانسیل چشمه های آب زیرزمینی در آبخیز فرح رود، استان تهران

شناخت بهتر و اصولی منابع آب زیرزمینی یک اصل اساسی و کلیدی مدیریت منابع آب محسوب می­شود. هدف از مطالعه حاضر ارزیابی میزان پایداری الگوریتم یادگیری ماشین است که برای تولید نقشه پتانسیل چشمه­های آب زیرزمینی در آبخیز فرح­رود، استان تهران مورداستفاده قرار گرفته است. مدل بیشینه­ بی­نظمی  یکی از مدل­های پیشرفته داده­کاوی است که به دلیل مزایا و قابلیت­های آن در تحقیقات مختلفی مورد استفاده قرار گرفته است. از این­رو، این مدل پیشرفته و معروف به دلیل توانمند بودن در پیش­بینی حساست­پذیری به­عنوان معیار و مبنا انتخاب شد. پس از شناسایی موقعیت چشمه­ها (۴۹۵چشمه) برای یافتن بهترین اندازه نمونه و ارزیابی پایداری مدل، نمونه ها با سه اندازه نمونه­ ۵۰/۵۰، ۷۰/۳۰ و ۸۰/۲۰ درصد برای آموزش و اعتبارسنجی مدل با استفاده از الگوریتم تقسیم­بندی تصادفی تقسیم شد. سپس عوامل زمین- محیطی اثرگذار در وقوع چشمه­های آب زیرزمینی به عنوان عوامل پیش بینی کننده از پایگاه داده مکانی تهیه شد. پس از انجام مدل سازی مکانی، نقشه پیش­بینی پتانسیل چشمه­های آب زیرزمینی تهیه شد. در هر ۳ بار اجرای مدل دقت مدل بالای ۸۷ درصد و ۷۹ درصد به ترتیب در مرحله آموزش و مرحله اعتبارسنجی برای هر سه نسبت دقت براساس منحنی  ROCبه دست آمد. نتایج نشان داد زمانی که مدل سازی با نسبت ۸۰ به ۲۰ درصد انجام شد دقت بالاتری (۹۵/۰ در مرحله­ آموزش و ۹۲/۰ در مرحله اعتبارسنجی) به­دست آمد. همچنین بر اساس نتایج به دست آمده در نسبت ۸۰/۲۰ درصد مدل پایداری بیشتری دارد. بر اساس نقشه­ پتانسیل چشمه های آب زیرزمینی، به­ترتیب حدود ۷۸/۱۶ و ۲۹/۶ درصد از منطقه در پهنه­ پتانسیل بالا و خیلی بالا قرار گرفت. همچنین بر اساس آزمون جک نایف[۱] شاخص رطوبت توپوگرافی، تراکم زهکشی و فاصله از گسل از مهم ترین عوامل پیش­بینی کننده­ در وقوع چشمه­های آب زیرزمینی در این منطقه شناسایی شدند.

کلیدواژه ها:

Area under the curve ، Geographic information system ، Maximum Entropy model ، Sample ratio ، Stability ، پایداری ، سیستم اطلاعات جغرافیایی ، مساحت زیر منحنی ، مدل بیشینه بی نظمی ، نسبت نمونه