مدل سازی نوسانات روزانه سطح آب دریاچه ارومیه با استفاده از مدل ماشین یادگیری افراطی

در دهه­های اخیر به دلیل افزایش بی­رویه برداشت از منابع آب سطحی و زیرزمینی، جلوگیری از ورود منابع آب سطحی به دریاچه ارومیه و همچنین تغییرات اقلیمی، سطح آب دریاچه ارومیه کاهش یافته و سبب ایجاد بحران آبی و زیست محیطی در منطقه گردیده است. بنابراین، مدل­سازی نوسانات سطح آب دریاچه ارومیه برای برنامه­ریزی و مدیریت منابع آب آن ضروری می­باشد. هدف از این تحقیق پیش­بینی نوسانات سطح آب دریاچه ارومیه برای یک، سه و هفت روز آینده با استفاده از مدل ماشین یادگیری افراطی است. برای مقایسه کارایی این مدل از مدل­های شبکه عصبی مصنوعی و سامانه استنتاج فازی-عصبی تطبیقی استفاده گردید. برای این منظور، از داده­های روزانه سطح آب دریاچه(آذر ماه 1344- آذر ماه 1391) استفاده گردید. برای توسعه مدل­ها، از داده­های سطح آب روز جاری و شش روز گذشته دریاچه ارومیه به عنوان ورودی مدل­ها به منظور پیش بینی سطح آب یک[h (t+1)]، سه[h (t+3)] و هفت[h (t+7)] روز آینده استفاده گردید. داده­ها به دو دسته آموزش/اعتبارسنجی (85 درصد) و آزمایش (15 درصد) تقسیم گردید و پس از مدل­سازی عملکرد مدل­ها بر اساس پارامترهای ضریب تعیین(R2)، جذر میانگین مربعات خطا(RMSE) و ضریب نش- ساتکلیف(NSC) ارزیابی گردید. نتایج نشان داد که مدل ماشین یادگیری افراطی با مقادیر R2، RMSE و NSC به ترتیب برابر با 9995/0، 0151/0 متر و 9995/0 برای مدل­سازی یک روز آینده سطح آب دریاچه در مقایسه با مدل­های شبکه عصبی مصنوعی و سامانه استنتاج فازی-عصبی تطبیقی عملکرد بهتری دارند. همچنین در این تحقیق مشاهده گردید که مدل­های ماشین یادگیری افراطی خیلی سریع­تر از مدل­های دیگر، یادگیری در مرحله آموزش را سپری می­کنند حال آنکه مدل­های فازی- عصبی تطبیقی زمان بیشتری را برای مرحله آموزش صرف کردند.