پیش‌بینی پیشروی آب شور در آبخوان ساحلی با استفاده از ماشین‌بردار پشتیبان رگرسیونی به‌عنوان مدل جایگزین

Abstract

<strong>پیش‌بینی هجوم آب شور به آبخوان ساحلی در اثر تغییر میزان برداشت از آب زیرزمینی یکی از پیش‌نیازهای مدیریت آب زیرزمینی است. این پژوهش قابلیت انواع مختلف مدل‌های ماشین‌بردار پشتیبان رگرسیونی (</strong><strong>SVR</strong><strong>) را برای پیش‌بینی میزان شوری در چاه پایش منتخب در یک آبخوان ساحلی کوچک تحت شرایط مختلف برداشت آب زیرزمینی بررسی می‌کند. مدل‌های </strong><strong>SVR</strong><strong> با مجموعه‌های ورودی (پمپاژگذرای تصادفی از چاه‌های آبده) حاصل از نمونه‌برداری ابرمکعب لاتین و خروجی (غلظت شوری در چاه پایش منتخب) آموزش یافته و آزمایش شدند. سپس، مدل‌های آموزش یافته و آزمایش شده برای پیش‌بینی میزان شوری در چاه پایش منتخب برای مجموعه داده‌های جدید پمپاژ استفاده شدند. قابلیت پیش‌بینی و تعمیم‌دهی عملی مدل‌ها در مقایسه با مدل رایج شبکه عصبی مصنوعی با استفاده از شاخص‌های ارزیابی مختلف بررسی شد. نتایج ارزیابی عملکرد مدل‌ها نشان داد که قابلیت پیش‌بینی مدل </strong><strong>SVR</strong><strong> چندجمله‌ای بر سایر مدل‌ها برتری دارد. همچنین همه مدل‌های </strong><strong>SVR</strong><strong> مورد بررسی به‌جز مدل </strong><strong>SVR</strong><strong> خطی، پیشروی آب شور را به‌طور قابل قبولی پیش‌بینی کردند. قابلیت پیش‌بینی و تعمیم‌دهی مدل‌های </strong><strong>SVR</strong><strong> چندجمله‌ای، استفاده از آنها را برای اتصال به الگوریتم بهینه‌سازی در شیوه بهینه‌سازی- شبیه‌سازی مبتنی بر مدل جانشین برای مدیریت آبخوان‌های ساحلی توصیه می‌کند.</strong>