مدل سازی و بررسی پیش بینی شوری آب زیرزمینی دشت قزوین با رویکرد داده محور و هوش مصنوعی

در مطالعه حاضر که باهدف مدل سازی کیفیت آب های زیرزمینی انجام شد، روشی برای محاسبه ساختار فضایی داده ها در فرآیند مدل سازی پیشنهادشده است. این روش فاصله بین نقاط مشاهده و نقطه تخمین را به عنوان یکی از ورودی های مدل در برمی گیرد. مدل های GBR، GPR، KNN، MLP، SVMو RF مورداستفاده قرار گرفتند و مدل ها با استفاده از داده های کیفیت آب زیرزمینی به دست آمده به ترتیب از ۳۰۵۸ چاه برای ۴ چاه مشاهده ای نزدیک به هدف، ۲۷۲۴ چاه برای ۵ چاه مشاهده ای نزدیک به هدف، ۲۰۸۰ چاه برای ۶ چاه مشاهده ای نزدیک به هدف، ۱۳۶۴ چاه برای ۷ چاه مشاهده ای نزدیک به هدف و درنهایت از ۶۳۱ چاه برای ۸ چاه مشاهده ای نزدیک به هدف در منطقه ای در کل استان قزوین در شمال غرب ایران آموزش و آزمایش شدند دو مجموعه داده مجزا شامل اطلاعات ۶ ماهه اول سال و ۶ ماهه دوم سال استفاده شد. میانگین خطا MAE ,(R-squared)و ضریب اصلاح پیرسون و RMSE برای مدل هایی با چهار، پنج، شش، هفت و هشت چاه همسایه نشان دهنده عملکرد رضایت بخش مدل جنگل تصادفی بود. این مدل در هر دو مرحله آموزش و آزمون عملکرد بسیار خوبی داشته و کم ترین خطا و بالاترین همبستگی را نشان می دهد. اگرچه پیچیدگی و زمان اجرای این مدل ممکن است بیش تر باشد، اما دقت بالای آن این معایب را جبران می کند.

کلیدواژه ها:

مدل سازی ، آب های زیرزمینی ، چاه مشاهده ای ، هوش مصنوعی