فاطمه فعال - دانشجوی دکترا، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
حمیدرضا غفوری - استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهبد چمران اهواز، اهواز، ایران
سید محمد اشرفی - استادیار، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران

پیش‌بینی هجوم آب شور به آبخوان ساحلی در اثر تغییر میزان برداشت از آب زیرزمینی یکی از پیش‌نیازهای مدیریت آب زیرزمینی است. این پژوهش قابلیت انواع مختلف مدل‌های ماشین‌بردار پشتیبان رگرسیونی (SVR) را برای پیش‌بینی میزان شوری در چاه پایش منتخب در یک آبخوان ساحلی کوچک تحت شرایط مختلف برداشت آب زیرزمینی بررسی می‌کند. مدل‌های SVR با مجموعه‌های ورودی (پمپاژگذرای تصادفی از چاه‌های آبده) حاصل از نمونه‌برداری ابرمکعب لاتین و خروجی (غلظت شوری در چاه پایش منتخب) آموزش یافته و آزمایش شدند. سپس، مدل‌های آموزش یافته و آزمایش شده برای پیش‌بینی میزان شوری در چاه پایش منتخب برای مجموعه داده‌های جدید پمپاژ استفاده شدند. قابلیت پیش‌بینی و تعمیم‌دهی عملی مدل‌ها در مقایسه با مدل رایج شبکه عصبی مصنوعی با استفاده از شاخص‌های ارزیابی مختلف بررسی شد. نتایج ارزیابی عملکرد مدل‌ها نشان داد که قابلیت پیش‌بینی مدل SVR چندجمله‌ای بر سایر مدل‌ها برتری دارد. همچنین همه مدل‌های SVR مورد بررسی به‌جز مدل SVR خطی، پیشروی آب شور را به‌طور قابل قبولی پیش‌بینی کردند. قابلیت پیش‌بینی و تعمیم‌دهی مدل‌های SVR چندجمله‌ای، استفاده از آنها را برای اتصال به الگوریتم بهینه‌سازی در شیوه بهینه‌سازی- شبیه‌سازی مبتنی بر مدل جانشین برای مدیریت آبخوان‌های ساحلی توصیه می‌کند.

آبخوان ساحلی, پیشروی آب شور, مدل جانشین, ماشین‌بردار پشتیبان رگرسیونی, قابلیت پیش‌بینی