آبیاری و زهکشی ایران, سال (2026-5)

عنوان : ( مقایسه عملکرد مدل‌های LS-SVR ،ANFIS ،MLP و RBF در مدل‌سازی سطح آب زیرزمینی مطالعه موردی بخش مرکزی دشت مشهد) )

نویسندگان: امه هانی موسوی خالدی , علی فیروز زارع , آرش دوراندیش , فرشته مدرسی ,
فایل:

بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست

استناددهی: BibTeX | EndNote

چکیده

افت سطح آب زیرزمینی در دشت مشهد، عمدتاً ناشی از عوامل انسانی، چالشی جدی در مدیریت پایدار منابع آب ایجاد کرده است. وابستگی شدید به این منابع، پیش‌بینی دقیق تغییرات را برای تصمیم‌گیری‌های مدیریتی ضروری می‌سازد. این پژوهش با بهره‌گیری از روش‌های یادگیری ماشین، تغییرات سطح آب در بخش مرکزی دشت را شبیه‌سازی و پیش‌بینی می‌کند. در این پژوهش ابتدا با استفاده از تابع خودهمبستگی جزئی(PACF) و رگرسیون لاسو فراوانی‌گرا (Frequentist Lasso Regression) متغیرهای ورودی مهم و وقفه‌های زمانی بهینه شناسایی شدند. سپس، عملکرد مدل‌های حداقل مربعات میانگین رگرسیون بردار پشتیبان (LS-SVR)، استنتاج عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی پرسپترون چندلایه (MLP) و شبکه عصبی تابع پایه شعاعی (RBF) در پیش‌بینی ماهانه نوسانات سطح آب زیرزمینی طی ۳۰ سال (۱۳۷۰-۱۴۰۰) ارزیابی گردید. نتایج نشان داد که هر چهار مدل با دقت قابل قبول سطح آب زیرزمینی را شبیه‌سازی می‌کنند. مدل RBF با \\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"R\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\" ^\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"2\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\" ، MSE، NSE و RMSE به ترتیب 00/1، 00/0، 00/1 و 009/0 عملکرد برتری نسبت به سایر مدل‌ها دارد. یافته‌های این پژوهش پتانسیل بالای مدل‌های داده‌محور در شبیه‌سازی فرآیندهای هیدرولوژیکی را تأیید کرد و می‌تواند مبنای توسعه ابزارهای هوشمند برای مدیریت منابع آب زیرزمینی در دشت مشهد و مناطق مشابه، از جمله تخصیص منابع و طراحی سامانه‌های هشداردهنده، باشد.

کلمات کلیدی

مدل‌های یادگیری ماشین روش‌های یادگیری نظارت‌شده مدل‌های داده‌محور نوسانات سطح آب زیرزمینی
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1107454,
author = {موسوی خالدی, امه هانی and فیروز زارع, علی and آرش دوراندیش and مدرسی, فرشته},
title = {مقایسه عملکرد مدل‌های LS-SVR ،ANFIS ،MLP و RBF در مدل‌سازی سطح آب زیرزمینی مطالعه موردی بخش مرکزی دشت مشهد)},
journal = {آبیاری و زهکشی ایران},
year = {2026},
month = {May},
issn = {2008-7942},
keywords = {مدل‌های یادگیری ماشین روش‌های یادگیری نظارت‌شده مدل‌های داده‌محور نوسانات سطح آب زیرزمینی},
}

[Download]

%0 Journal Article
%T مقایسه عملکرد مدل‌های LS-SVR ،ANFIS ،MLP و RBF در مدل‌سازی سطح آب زیرزمینی مطالعه موردی بخش مرکزی دشت مشهد)
%A موسوی خالدی, امه هانی
%A فیروز زارع, علی
%A آرش دوراندیش
%A مدرسی, فرشته
%J آبیاری و زهکشی ایران
%@ 2008-7942
%D 2026

[Download]