بررسي تغييرات تراز سفرۀ آب زيرزميني با استفاده از الگوريتم فيلتر ذره مبتني بر جذب داده ماهواره‌اي (محدودۀ خراسان جنوبي)

در دهه‏هاي گذشته به دليل برداشت بي‏رويه از منابع آب زيرزميني، كاهش بارندگي‏ها و افزايش دماي هوا، سطح آب‏هاي زيرزميني به‌شدت كاهش پيدا كرده است. بر اساس پژوهش‏هاي قبلي، كشور ايران از ۱۳۰ ميليارد مترمكعب منابع آب زيرزميني برخوردار بوده؛ اما منابع آب تجديدشونده در ۲۰ سال گذشته به ۱۱۰ ميليارد مترمكعب و در شش سال گذشته به كمتر از ۱۰۰ ميليارد مترمكعب كاهش يافته است. بنابراين مسئلۀ تغييرات سطح آب زيرزميني و پيش‏بيني اين تغييرات از اهميت ويژه‏اي برخوردار است. در اين پژوهش سعي بر آن شد تا مدلي توسعه داده شود كه با استفاده از الگوريتم جذب داده به پيش‏بيني اين تغييرات بپردازد. علاوه بر اين، يك مدل يادگيري عميق نيز به‏ عنوان مدل رقيب توسعه داده شد تا نتايج حاصل از مدل پيشنهادي با آن مورد مقايسه قرار گيرند. استان خراسان جنوبي به‏ عنوان مطالعۀ موردي براي مدل‏سازي انتخاب شد. مقايسۀ بين مدل پيشنهادي و رقيب نشان داد ‌مدل پيشنهادي توانايي بسيار زيادي در پيش‏بيني داشته و دقت آن حدود دقت مدل رقيب است. براساس اين ارزيابي، براي مدل پيشنهادي و مدل رقيب، ضريب تبيين ( ) به‌ترتيب برابر 0.91 و 0.95 و ريشۀ ميانگين مربعات خطا (RMSE) به‌ترتيب برابر 0.18 و 0.20 به دست آمدند. همچنين ارائۀ‏ صريح روابط و پارامترهاي مدل در كنار ارائۀ‏ عدم قطعيت‏ها و يك بازۀ‏ اطمينان‏پذيري، از ساير مزاياي مدل پيشنهادي است كه مي‏تواند آيندۀ گسترده‏اي را براي الگوريتم‏هاي جذب داده فراهم آورد. البته مدل‏هاي يادگيري ماشين و يادگيري عميق كه امروزه كاربرد گسترده‎‏‏اي دارند، چنين مزايايي را ارائه نمي‏كنند.