ارزيابي توانايي مدل ‌هاي‌ درختي جنگل تصادفي و M5P در برآورد سطح ايستابي دشت سراوان با استفاده از داده‌هاي هواشناسي

آب‌هاي زيرزميني يكي از كليدي‌ ترين منابع آب در سطح كره خاكي هستند كه در بخش كشاورزي، صنعت و شرب داراي اهميت بوده و ضامن حيات براي نسل آينده به شمار مي‌آيند. در اين تحقيق از 227 سري داده مربوط پارامترهاي هواشناسي و آب زيرزميني دشت سراوان در استان سيستان و بلوچستان جهت پيش‌بيني و برآورد سطح ايستابي آب زيرزميني با استفاده مدل‌هاي هوشمند يادگيري ماشين استفاده شد. از اين تعداد سري داده، 159 سري براي استفاده در بخش آموزش مدل‌ها و 68 سري براي آزمون مدل‌ها در سناريوهاي طراحي‌شده تخصيص يافت. عملكرد مدل‌هاي جنگل تصادفي و M5P در برآورد متوسط سطح ايستابي دشت سراوان مورد ارزيابي قرار گرفت. عملكرد مدل‌ها با استفاده از شاخص‌هاي آماري ضريب همبستگي (R)، خطاي مجذور ميانگين مربعات (RMSE) و خطاي باياس ميانگين (MBE) مقايسه شد. نتايج به‌دست‌آمده نشان داد هر دو مدل بكاررفته از توانايي خوبي در مدل‌سازي سطح ايستابي برخوردارند، اما مدل M5P با ضريب همبستگي بالاتر خطاهاي كمتري نسبت به مدل جنگل تصادفي دارد. سناريوي چهارم مدل M5P با مقادير ضريب همبستگي، MBE و RMSE به ترتيب 0.961، 0.0001- و 0.727 در بخش آموزش و 0.871، صفر و 0.265 در بخش آزمون به عنوان بهترين مدل در بين سناريوهاي دو مدل انتخاب شد. پيشنهاد مي‌شود سطح ايستابي دشت سراوان با ساير روش‌هاي هوش مصنوعي و يادگيري ماشين نيز ارزيابي و با مطالعه حاضر مقايسه شود.