ارزیابی مدل‌های پیشرفته یادگیری ماشین در پیش بینی تراز سطح آب دریاچه ارومیه

نوع مقاله : ویژه نامه دریاچه ارومیه

نویسندگان

1 گروه عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی اراک، اراک، ایران

2 گروه عمران، دانشگاه آزاد اسلامی واحد پروفسور حسابی تفرش

3 گروه عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران

چکیده

دریاچه‌ها نقش مهمی در چرخه هیدرولوژیکی دارند و پیش‌بینی سطح آب آنها می‌تواند اطلاعات حیاتی برای مدیریت آینده دریاچه‌ها و اکوسیستم آنها فراهم کند. در پژوهش حاضر 2 مدل شامل پس هرس کردن درخت به روش کاهش خطای هرس/ Reduced Error Pruning (REPT)، و مدل نرکیبی REPT با مدل جنگل چرخان (ROF-REPT) توسعه و ساخته شد، و برای پیش‌بینی 1، 2 و 3 ماه آتی سطح آب دریاچه ارومیه در شمال غرب ایران مورد استفاده قرار گرفت. داده‌های سری زمانی سطح آب از سال 1380 تا 1399 به دو دسته، به ترتیب برای ساخت مدل (از سال 1380 تا 1393) و اعتبارسنجی (از 1394 تا 1399) تقسیم شد. سناریوهای ورودی مختلف برای یافتن موثرترین سناریو ورودی از متغیرهای اقلیمی ساخته شد و مورد ارزیابی قرار گرفت. در نهایت مدل‌های توسعه‌یافته از طریق معیارهای بصری و کمّی ارزیابی شدند. نتایج نشان داد که مدل ترکیبی ROF-REPT دارای عملکرد بالاتری نسبت به مدل منفرد REPT برای تمامی 1، 2 و 3 ماه آینده است. ضریب نش (Nash-Sutcliffe Efficiency) برای مدل‌های منفرد بین 45/0 تا 87/0 و برای مدل‌های ترکیبی بین 53/0 تا 95/0 حاصل شد. همچنین نشان داده شد که مدل‌های توسعه‌یافته قادر به پیش‌بینی سطح آب تا 3 ماه آینده هستند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Application of advanced machine learning models for Urmia lake water level forecasting

نویسندگان [English]

  • Rasul Hajian 1
  • Mohammad Reza Jalali 2
  • Reza Mastouri 3
1 Civil Engineering Department, Islamic Azad University, Arak Branch, Arak, Iran
2 Civil Engineering Department, Islamic Azad University, Professor Hesabi Branch, Tafresh, Iran
3 Civil Engineering Department, Islamic Azad University, Arak Branch, Arak, Iran
چکیده [English]

دریاچه‌ها نقش مهمی در چرخه هیدرولوژیکی دارند و پیش‌بینی سطح آب آنها می‌تواند اطلاعات حیاتی برای مدیریت آینده دریاچه‌ها و اکوسیستم آنها فراهم کند. در پژوهش حاضر 2 مدل شامل پس هرس کردن درخت به روش کاهش خطای هرس/ Reduced Error Pruning (REPT)، و مدل نرکیبی REPT با مدل جنگل چرخان (ROF-REPT) توسعه و ساخته شد، و برای پیش‌بینی 1، 2 و 3 ماه آتی سطح آب دریاچه ارومیه در شمال غرب ایران مورد استفاده قرار گرفت. داده‌های سری زمانی سطح آب از سال 1380 تا 1399 به دو دسته، به ترتیب برای ساخت مدل (از سال 1380 تا 1393) و اعتبارسنجی (از 1394 تا 1399) تقسیم شد. سناریوهای ورودی مختلف برای یافتن موثرترین سناریو ورودی از متغیرهای اقلیمی ساخته شد و مورد ارزیابی قرار گرفت. در نهایت مدل‌های توسعه‌یافته از طریق معیارهای بصری و کمّی ارزیابی شدند. نتایج نشان داد که مدل ترکیبی ROF-REPT دارای عملکرد بالاتری نسبت به مدل منفرد REPT برای تمامی 1، 2 و 3 ماه آینده است. ضریب نش (Nash-Sutcliffe Efficiency) برای مدل‌های منفرد بین 45/0 تا 87/0 و برای مدل‌های ترکیبی بین 53/0 تا 95/0 حاصل شد. همچنین نشان داده شد که مدل‌های توسعه‌یافته قادر به پیش‌بینی سطح آب تا 3 ماه آینده هستند.

کلیدواژه‌ها [English]

  • Water level
  • Lake Urmia
  • Ensemble models
  • Tree-based models
  • Iran
تحقیقات منابع آب ایران

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 30 آبان 1401

فایل ها

سابقه مقاله

  • تاریخ دریافت: 11 شهریور 1401
  • تاریخ بازنگری: 28 آبان 1401
  • تاریخ پذیرش: 30 آبان 1401
  • تاریخ اولین انتشار: 30 آبان 1401

اشتراک گذاری

ارجاع به این مقاله

آمار