کاربرد الگوریتم های درخت وایازی تقویت شده، درخت مدل پشتیبان، و جنگل تصادفی برای ارزیابی احتمال آب های زیرزمینی

به دلیل رشد جمعیت و صنعتی شدن در منطقه های گوناگون جهان، از آب های زیرزمینی به طور مهارناپذیری بهره برداری می شود. هدف این پژوهش، ارزیابی احتمال آب های زیرزمینی با الگوریتم های پیشرفته ی یادگیری ماشین و با معیارهای پستی بلندی، آب شناسی، محیطی و زمین شناسی است. برای انجام این کار سه الگوریتم پیش رفته ی یادگیری ماشین شامل درخت وایازی تقویت شده، درخت مدل پشتیبان، و جنگل تصادفی به کار برده شد. داده های آب شناسی 37 چاه آب زیرزمینی در دشت بیرجند، استان خراسان جنوبی، جمع آوری، و با انتخاب تصادفی به نسبت 70 به 30 به مجموعه ی داده های آموزشی و اعتبارسنجی تقسیم کرده شد. نقشه های احتمال آب زیرزمینی با سه الگوریتم تهیه شد. برای اعتبار سنجی الگوریتم های پیش بینی احتمال آب زیرزمینی، سطح زیر منحنی و معیارهای آماری نرخ پیش بینی شده ی مثبت، نرخ پیش بینی شده ی منفی، حساسیت، ویژگی، و دقت به کار برده شد. نتیجه نشان داد که درخت مدل پشتیبان (0/865 =AUC) کارکرد بهتری در پیش بینی احتمال آب زیرزمینی منطقه دارد.