ارزیابی روشهای مبتنی بر هوش مصنوعی در برآورد نیاز زیست محیطی رودخانه ماربر

در این پژوهش به منظور تعیین نیاز زیست محیطی رودخانه ماربر از چهار الگوریتم قدرتمند یادگیری ماشین شامل جنگل تصادفی (Random Forest)، تقویت گرادیان تطبیقی (XGBoost)، رگرسیون تقویت گرادیان (Gradient Boosting Regressor) و رگرسیون بردار پشتیبان (SVR) استفاده شد. داده های ۵۲ ساله دبی ماهانه رودخانه به عنوان ورودی مدل ها به کار گرفته شدند و مقادیر جریان زیست محیطی پیش بینی گردید. برای ارزیابی عملکرد مدل ها از شاخص های آماری MAE و RMSE بهره گیری شد. نتایج شاخص های فوق (متغیر) بین صفر تا دو نشان داد که مدل های مبتنی بر هوش مصنوعی دقت بالایی در برآورد جریان پایه دارند. مدل XGBoost کمترین خطای پیش بینی را در مقایسه با سایر الگوریتم ها ارائه کرد. مقادیر پیش بینی شده با نتایج روش تجربی تسمن مقایسه و صحت سنجی شدند. نیاز زیست محیطی بر اساس سال های بحرانی ۱۳۹۶-۱۳۹۷ و دوره خشک (تیر-آبان) رودخانه ماربر برابر ۱۰ مترمکعب بر ثانیه برای برنامه ریزی های آینده در دوره خشک پیشنهاد می گردد.

کلیدواژه ها:

نیاز زیست محیطی رودخانه ، ماربر ، هوش مصنوعی ، حفاظت اکولوژیک