مدل سازی نوسانات روزانه سطح آب دریاچه ارومیه با استفاده از مدل ماشین یادگیری افراطی

در دهه های اخیر به دلیل افزایش بی رویه برداشت از منابع آب سطحی و زیرزمینی، جلوگیری از ورود منابع آب سطحی به دریاچه ارومیه و همچنین تغییرات اقلیمی، سطح آب دریاچه ارومیه کاهش یافته و سبب ایجاد بحران آبی و زیست محیطی در منطقه گردیده است. بنابراین، مدل سازی نوسانات سطح آب دریاچه ارومیه برای برنامه ریزی و مدیریت منابع آب آن ضروری می باشد. هدف از این تحقیق پیش بینی نوسانات سطح آب دریاچه ارومیه برای یک، سه و هفت روز آینده با استفاده از مدل ماشین یادگیری افراطی است. برای مقایسه کارایی این مدل از مدل های شبکه عصبی مصنوعی و سامانه استنتاج فازی-عصبی تطبیقی استفاده گردید. برای این منظور، از داده های روزانه سطح آب دریاچه(آذر ماه 1344- آذر ماه 1391) استفاده گردید. برای توسعه مدل ها، از داده های سطح آب روز جاری و شش روز گذشته دریاچه ارومیه به عنوان ورودی مدل ها به منظور پیش بینی سطح آب یک[h (t+1)]، سه[h (t+3)] و هفت[h (t+7)] روز آینده استفاده گردید. داده ها به دو دسته آموزش/اعتبارسنجی (85 درصد) و آزمایش (15 درصد) تقسیم گردید و پس از مدل سازی عملکرد مدل ها بر اساس پارامترهای ضریب تعیین(R2)، جذر میانگین مربعات خطا(RMSE) و ضریب نش- ساتکلیف(NSC) ارزیابی گردید. نتایج نشان داد که مدل ماشین یادگیری افراطی با مقادیر R2، RMSE و NSC به ترتیب برابر با 9995/0، 0151/0 متر و 9995/0 برای مدل سازی یک روز آینده سطح آب دریاچه در مقایسه با مدل های شبکه عصبی مصنوعی و سامانه استنتاج فازی-عصبی تطبیقی عملکرد بهتری دارند. همچنین در این تحقیق مشاهده گردید که مدل های ماشین یادگیری افراطی خیلی سریع تر از مدل های دیگر، یادگیری در مرحله آموزش را سپری می کنند حال آنکه مدل های فازی- عصبی تطبیقی زمان بیشتری را برای مرحله آموزش صرف کردند.