پیش بینی مناطق بالقوه آب زیرزمینی با استفاده از روش های هوش مصنوعی ترکیبی (مطالعه موردی: دشت بیرجند)

Abstract

آب‌های زیرزمینی یکی از مهم‌ترین منابع با ارزش برای استفاده جوامع، کشاورزی و صنایع هستند. در مطالعه حاضر، سه مدل هوش مصنوعی جدید شامل مدل آدابوست واقعی بهبود یافته (MRAB)، مدل بگینگ (BA) و مدل جنگل چرخشی (RF) توسط مدل طبقه‌بندی‌کننده پایه درخت عملکردی (‏FT) ‏برای پیش‌بینی مناطق بالقوه آب‌های زیرزمینی در منطقه دشت بیرجند توسعه داده شده‌اند. لذا جهت پیاده‌سازی، داده‌های ژئوهیدرولوژیکی 37 حلقه چاه آب زیرزمینی و 10 عامل توپوگرافی، هیدرولوژی و زمین‌شناسی مورد استفاده قرار گرفت. عملکرد این مدل‌ها با استفاده از سطح زیر منحنی (AUC) و سایر شاخص‌های آماری مورد ارزیابی قرار گرفت. نتایج نشان داد که هر چند تمامی مدل‌های ترکیبی توسعه داده شده در این تحقیق دقت پیش‌بینی را افزایش دادند، اما مدل MRAB-FT (742/0‏AUC=)‏ دقت بالاتری را در پیش‌بینی مناطق بالقوه آب‌های زیرزمینی در منطقه دشت بیرجند دارد. تهیه نقشه دقیق از مناطق بالقوه آب زیرزمینی، با حفظ تعادل بین مصرف و بهره‌برداری، به تغذیه مناسب آبخوان برای استفاده بهینه از منابع آب زیرزمینی کمک خواهد کرد.