پیش‌بینی قابلیت انتقال آبخوان دشت ملکان با استفاده از روش جنگل تصادفی

قابلیت انتقال یکی از پارامترهای مهم در شناسایی خصوصیات آبخوان ها می باشد و به‌دست آوردن مقادیر و چگونگی توزیع آن توسط مدل سازی، برای مدیریت آبخوان ها ضروری به‌نظر می رسد. برآورد این پارامتر با استفاده از آزمایشات صحرایی مانند آزمایش پمپاژ بسیار پرهزینه و وقت گیر است. برای مدیریت مناسب آبخوان دشت ملکان که یکی از قطب‌های کشاورزی شمال ‌غرب کشور می‌باشد شناخت پارامترهای هیدروژئولوژیکی، خصوصاً قابلیت انتقال امری لازم و ضروری می‌باشد. در مطالعه حاضر روش جنگل تصادفی (rf) که یک روش یادگیری مبتنی بر دسته‌ای از درخت‌های تصمیم است، برای پیش ‌بینی قابلیت انتقال آبخوان پیشنهاد شده که تاکنون در این زمینه مورد استفاده قرار نگرفته است. روش rf نسبت به روش‌های دیگر دارای مزایایی مانند دقت پیش ‌بینی بالا، توانایی در یادگیری روابط غیر‌خطی، توانایی بالا در تعیین متغیرهای مهم در پیش‌بینی و ماهیت غیر پارامتری می‌باشد. در مدل rf به‌دلیل اینکه با افزایش درخت‌ها میزان خطا کاهش می‌یابد، بنابراین تعداد 500 درخت برای فراخوانی مدل استفاده شد و پس از اجرای مدل نتایج مدل به‌وسیله برآورد خطای خارج از کیسه (oob) ارزیابی گردید و علاوه بر این، برای کاهش ابعاد و افزایش دقت و قابل تفسیر بودن مدل، روش انتخاب ویژگیfs)) به‌کار برده شد و متغیرهای مهم در پیش‌بینی نیز شناسایی گردید. بر اساس نتایج مدل‌ سازی با rf مقادیر mse و auc به‌ترتیب برابر با 0.036 و 0.96، متغیرهای هدایت الکتریکی، محیط آبخوان و گرادیان هیدرولیکی به‌ترتیب به‌عنوان پارامترهای مهم و تاثیرگذار در پیش‌بینی قابلیت انتقال شناسایی شدند. همچنین نتایج قابل قبول مدل rf در پیش‌بینی قابلیت انتقال و تعیین پارامترهای مهم در پیش‌بینی، نشان از مزایای مدل ارائه‌شده نسبت به سایر مدل‌ها در بحث پیش ‌بینی، می‌باشد.