کاربرد روش‌های شبکه‌ی بیزین و حداقل مربعات ماشین بردار پشتیبان در پیش بینی تراز سطح آب دریاچه ارومیه

سابقه و هدف: دریاچه ارومیه به عنوان یک اکوسیستم آبی مهم در شمال غرب ایران واقع شده است. در 14 سال اخیر میانگین تراز سطح آب دریاچه ارومیه به 2/1272 متر تقلیل پیدا کرده و این به این معنی است که اختلاف تراز سطح اکولوژیک دریاچه و تراز سطح کنونی 2 متر است. خشک شدن دریاچه ارومیه باعث بروز مسائل و بحران‌های جدی برای حوضه، استان‌های مجاور و کشور خواهد شد. در این تحقیق از پارامترهای موثر مستقیم و غیر مستقیم در پیش-بینی تراز سطح دریاچه از جمله تبخیر، رواناب ورودی به دریاچه، بارش، دما، باد، میانگین رطوبت هوا و تراز سطح آب دریاچه در ماه قبل به عنوان ورودی‌های مدل استفاده شده است. مقایسه کارایی مدل‌های شبکه‌ی بیزین که یک مدل احتمالاتی تحت شرایط عدم قطعیت و الگوریتم ماشینی حداقل مربعات ماشین بردار پشتیبان، هدف اصلی تحقیق حاضر است. مواد و روش‌ها: در تحقیق حاضر از دو روش حداقل مربعات ماشین بردار پشتیبان و شبکه بیزین در فرایند مدل-سازی استفاده گردید. در این مطالعه عوامل موثر در پیش بینی تراز سطح دریاچه در ماه قبل به عنوان ورودی و تراز سطح آب دریاچه در ماه کنونی به عنوان خروجی مدل‌ها مورد بررسی قرار گرفت. جهت تخمین دما، تبخیر، بارش، باد و میانگین رطوبت هوا بر روی سطح دریاچه از داده‌های پنج ایستگاه سینوپتیک مجاور دریاچه با برآورد ضریب تیسن هر ایستگاه و داده‌های 13 ایستگاه هیدرومتری واقع بر رودخانه‌های منتهی به دریاچه جهت تشکیل پارامترهای ورودی دو مدل محاسبه گردید. یافته‌ها: تحلیل داده‌های ایستگاه‌های هیدرومتری نشان داد که تنها چهار ایستگاه از 13 ایستگاه هیدرومتری از نرمال پیروی می‌کنند. مقایسه و بررسی نتایج دو مدل با بررسی ضرایب R2، RMSE، MBE و ناش ساتکلیف حاکی از برتری عملکرد مدل حداقل مربعات ماشین بردار پشتیبان در مقایسه با شبکه بیزین است. این مقادیر برای مدل برتر به ترتیب برابر با 3/92%، 082/0متر، 012/0-متر و 86/0 بدست آمد. نتیجه‌گیری: در این تحقیق معیارهای ارزیابی نشان داد که مدل حداقل مربعات ماشین بردار پشتیبان نسبت به مدل شبکه بیزین دارای برتری است. نکته حائز اهمیت در مقایسه دو مدل آن است که ماهیت مدل حداقل مربعات ماشین بردار پشتیبان، ماشینی است ولی ماهیت شبکه بیزین یک مدل احتمالاتی تحت شرایط عدم قطعیت است که در آن از توزیع نرمال جهت آموزش متغیرهای شبکه استفاده شده است. از آنجایی که ماهیت وقوع رخدادهای طبیعی تصادفی است، بنابراین استفاده از مدل شبکه بیزین نسبت به مدل حداقل مربعات ماشین بردار پشتیبان می‌تواند توصیه گردد.