ارزیابی توانایی مدل های درختی جنگل تصادفی و M۵P در برآورد سطح ایستابی دشت سراوان با استفاده از داده های هواشناسی

آب های زیرزمینی یکی از کلیدی ترین منابع آب در سطح کره خاکی هستند که در بخش کشاورزی، صنعت و شرب دارای اهمیت بوده و ضامن حیات برای نسل آینده به شمار می آیند. در این تحقیق از ۲۲۷ سری داده مربوط پارامترهای هواشناسی و آب زیرزمینی دشت سراوان در استان سیستان و بلوچستان جهت پیش بینی و برآورد سطح ایستابی آب زیرزمینی با استفاده مدل های هوشمند یادگیری ماشین استفاده شد. از این تعداد سری داده، ۱۵۹ سری برای استفاده در بخش آموزش مدل ها و ۶۸ سری برای آزمون مدل ها در سناریوهای طراحی شده تخصیص یافت. عملکرد مدل های جنگل تصادفی و M۵P در برآورد متوسط سطح ایستابی دشت سراوان مورد ارزیابی قرار گرفت. عملکرد مدل ها با استفاده از شاخص های آماری ضریب همبستگی (R)، خطای مجذور میانگین مربعات (RMSE) و خطای بایاس میانگین (MBE) مقایسه شد. نتایج به دست آمده نشان داد هر دو مدل بکاررفته از توانایی خوبی در مدل سازی سطح ایستابی برخوردارند، اما مدل M۵P با ضریب همبستگی بالاتر خطاهای کمتری نسبت به مدل جنگل تصادفی دارد. سناریوی چهارم مدل M۵P با مقادیر ضریب همبستگی، MBE و RMSE به ترتیب ۹۶۱/۰، ۰۰۰۱/۰- و ۷۲۷/۰ در بخش آموزش و ۸۷۱/۰، صفر و ۲۶۵/۰ در بخش آزمون به عنوان بهترین مدل در بین سناریوهای دو مدل انتخاب شد. پیشنهاد می شود سطح ایستابی دشت سراوان با سایر روش های هوش مصنوعی و یادگیری ماشین نیز ارزیابی و با مطالعه حاضر مقایسه شود.