مدل سازی توان منابع آب زیرزمینی با استفاده از مدل های یادگیری ماشینی

توان یابی منابع آب زیرزمینی یکی از اصل های پایه در مدیریت منابع آب است. هدف این پژوهش توان یابی آب زیرزمینی با استفاده از مدل های یادگیری ماشین بردار پشتیبان (SVM) و همچنین دستورالعمل های فراکاوشی (مدل ترکیبی (هیبریدی) ماشین بردار پشتیبان و دستورالعمل بهینه سازی فراکاوشی زنبورعسل (SVM-BA) و مدل ترکیبی ماشین بردار پشتیبان و دستورالعمل بهینه سازی فراکاوشی ازدحام ذرات (SVM-PSO) است.

در این پژوهش در منطقه ی بجنورد عامل های بلندی، شیب، جهت، شاخص رطوبت پستی بلندی، فاصله از آبراهه، تراکم زهکشی، فاصله از گسل، سنگ شناسی، شاخص موقعیت پستی بلندی، شاخص ناهمواری زمین، موقعیت شیب نسبی و شاخص هم گرایی جریان انتخاب شدند. از شرکت آب منطقه ای اطلاعات موقعیت 359 چشمه دریافت شد. دستورالعمل تقسیم بندی تصادفی برای تقسیم نقطه های آموزشی (70%) و نقطه های اعتبارسنجی (30%) استفاده شد. براساس تحلیل حساسیت حذفی، اندازه ی اهمیت و مشارکت متغیرهای ورودی در توان یابی آب زیرزمینی مشخص شد. ارزیابی دقت مدل ها در دو مرحله ی آموزش و اعتبارسنجی براساس روش منحنی مشخصه عامل گیرنده (ROC) انجام شد.

ارزیابی دقت مدل ها براساس معیار ارزیابی مساحت زیرمنحنی عامل گیرنده (AUC) نشان داد که دقت پیش بینی مدل ترکیبی ماشین بردار پشتیبان و دستورالعمل بهینه سازی فراکاوشی ازدحام ذرات (SVM-PSO) 945/0 بیشتر از دیگر مدل ها (SVM: 0.918 و SVM-BA: 0.932) بود. براساس نتایج مدل برتر در این پژوهش 7/75% از سطح منطقه طبقه ی توان زیاد و 38/66% از سطح منطقه طبقه ی توان خیلی زیاد را کسب کردند. از میان عامل های، موقعیت شیب نسبی (14/5%)، فاصله از گسل (13/4%) و سنگ شناسی (12/3%) در پیش بینی توان آب زیرزمینی بیشترین اهمیت را داشتند.

براساس نتایج این پژوهش، عملکرد مدل ماشین بردار پشتیبان زیاد بود و دو دستورالعمل بهینه سازی فراکاوشی زنبورعسل و فراکاوشی ازدحام ذرات موجب تقویت قدرت پیش بینی مدل شدند. همچنین مدل های یادگیری ماشینی می توانند ارتباط میان عامل های محیطی و آب دهی چشمه ها را شناسایی کنند و با به کارگیری داده های موجود، نقش آن ها را تعیین کنند. عامل موقعیت شیب نسبی به عنوان مهم ترین متغیر و عامل فاصله از گسل نیز به عنوان دومین متغیر مهم در این پژوهش مشخص شدند. نتایج پژوهش نشان داد که در تغذیه ی بخش های زیرسطحی، ذخیره و جریان آب زیرزمینی، گسل های منطقه نقش مهمی داشتند. با کاربرد مدل در شناسایی وضعیت توان آب زیرزمینی عامل سنگ شناسی نیز به عنوان سومین متغیر مهم معرفی شد. در این پژوهش، با پیشنهاد نقشه ی توان آب زیرزمینی، امکان برنامه ریزی و تدقیق آمایش سرزمین برای آبخیز بجنورد فراهم شد.