<span lang="AR-SA">برآورد آبدهی قنات ها دشت مشهد-چناران با استفاده از الگوریتم جنگل تصادفی

آبدهی قنات به عوامل متعددی بستگی دارد که به دلیل پیچیدگی و روابط غیرخطی بین عوامل، الگوریتم های یادگیری ماشین مانند جنگل تصادفی، می توانند در مدل سازی آبدهی قنات ها کاربرد مناسبی داشته باشند. در این راستا تحقیق حاضر باهدف تعیین دقت الگوریتم جنگل تصادفی در برآورد آبدهی قنات ها دشت مشهد – چناران طرح ریزی شده است. برای این منظور از اطلاعات ۷۸ قنات موجود در آبخوان مشهد-چناران استفاده شد. از این تعداد ۷۰ درصد برای آموزش و ۳۰ درصد داده ها برای ارزیابی مدل جنگل تصادفی در محیط نرم افزار R استفاده شد. نتایج تعیین اهمیت عوامل موثر بر آبدهی قنات ها آبخوان مشهد-چناران نشان داد که از بین هفت عامل موردبررسی، مهم ترین عوامل در آبدهی قنات ها دشت مشهد-چناران، خصوصیات نوع و هندسه قنات (طول قنات و عمق مادر چاه) و ضریب آبگذری ویژه آبخوان است. درنهایت نتایج ارزیابی دقت الگوریتم جنگل تصادفی در برآورد آبدهی قنات ها آبخوان مشهد-چناران نشان داد که مدل جنگل تصادفی با ضریب تبیین (R۲) ۰/۹۱ و ۰/۸۵ به ترتیب در مرحله آموزش و آزمون و هم چنین ضریب نش ساتکلیف ۰/۸۳ و ۰/۷۶ برای این دو مرحله، دارای دقت قابل قبولی می باشد. با استفاده از مدل RF ایجادشده در این تحقیق، می توان تاثیر سناریوهای مختلف احیا و مدیریت قنات مانند افزایش طول تره کار و هم چنین عمق مادر چاه را بر دبی قنات قبل از اجرای اقدامات شبیه سازی کرد.

کلیدواژه ها:

سطح آب زیرزمینی ، ویژگی های هندسی قنات ، یادگیری ماشینی ، مدل سازی