پیش بینی پیشروی آب شور در آبخوان ساحلی با استفاده از ماشین بردار پشتیبان رگرسیونی به عنوان مدل جایگزین

پیش بینی هجوم آب شور به آبخوان ساحلی در اثر تغییر میزان برداشت از آب زیرزمینی یکی از پیش نیازهای مدیریت آب زیرزمینی است. این پژوهش قابلیت انواع مختلف مدل های ماشین بردار پشتیبان رگرسیونی (SVR) را برای پیش بینی میزان شوری در چاه پایش منتخب در یک آبخوان ساحلی کوچک تحت شرایط مختلف برداشت آب زیرزمینی بررسی می کند. مدل های SVR با مجموعه های ورودی (پمپاژگذرای تصادفی از چاه های آبده) حاصل از نمونه برداری ابرمکعب لاتین و خروجی (غلظت شوری در چاه پایش منتخب) آموزش یافته و آزمایش شدند. سپس، مدل های آموزش یافته و آزمایش شده برای پیش بینی میزان شوری در چاه پایش منتخب برای مجموعه داده های جدید پمپاژ استفاده شدند. قابلیت پیش بینی و تعمیم دهی عملی مدل ها در مقایسه با مدل رایج شبکه عصبی مصنوعی با استفاده از شاخص های ارزیابی مختلف بررسی شد. نتایج ارزیابی عملکرد مدل ها نشان داد که قابلیت پیش بینی مدل SVR چندجمله ای بر سایر مدل ها برتری دارد. همچنین همه مدل های SVR مورد بررسی به جز مدل SVR خطی، پیشروی آب شور را به طور قابل قبولی پیش بینی کردند. قابلیت پیش بینی و تعمیم دهی مدل های SVR چندجمله ای، استفاده از آنها را برای اتصال به الگوریتم بهینه سازی در شیوه بهینه سازی- شبیه سازی مبتنی بر مدل جانشین برای مدیریت آبخوان های ساحلی توصیه می کند.