پیش‌بینی مقادیر TDS و EC رودخانه با استفاده از روش‌های یادگیری ماشین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد عمران- محیط زیست، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز

2 استادیار گروه مهندسی محیط زیست، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز

3 استادیار دانشگاه شهید چمران اهواز

چکیده

در این مطالعه ضمن بررسی عملکرد دو مدل جنگل تصادفی و رگرسیون فرایند گاوسی، به شبیه‌سازی مقادیر هدایت الکتریکی و کل مواد جامد محلول رودخانه در ایستگاه‌های غرب دریاچه ارومیه (چهریق علیا، دیزج و تپیک) با توجه به مقادیر دبی و بی‌کربنات‌ها در دوره آماری 99-1350 پرداخته شده است. میزان خطای شبیه‌سازی مقادیر EC با استفاده از مدل RF نسبت به مدل GPR در دو فاز آزمایش در ایستگاه‌های چهریق علیا، دیزج و تپیک حدود 356، 36 و 47 درصد کمتر می‌باشد. در مورد شبیه‌سازی مقادیر TDS در ایستگاه‌های مورد مطالعه نیز، در ایستگاه چهریق علیا مدل RF و در دو ایستگاه دیگر، مدل GPR میزان خطای کمتر و کارایی بالاتری ارائه کرد. در مورد دو ایستگاه دیزج و تپیک در فاز آموزش تفاوت معنی‌داری بین میزان خطای شبیه‌سازی دو مدل RF و GPR مشاهده نشد، اما در فاز آزمایش، میزان خطای مدل GPR نسبت به مدل RF به ترتیب حدود 66 و 74 درصد کمتر می‌باشد. به‌طور کلی نتایج نشان داد که با توجه به حدود اطمینان شبیه‌سازی شده پارامترهای EC و TDS، کارایی دو مدل مورد بررسی قابل قبول می‌باشد، اما در مورد مقادیر TDS، رفتار دو مدل مورد بررسی در دو ایستگاه دیزج و تپیک متفاوت می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Prediction of TDS and EC Values of River Using Machine Learning Methods

نویسندگان [English]

  • Mohammad Hadi Jabbar Matoori 1
  • Ahmad Fathi 2
  • Farshad Ahmadi 3
1 MS.c Student, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
2 Assistant Professor, Department of Environmental Engineering, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
3 Shahid Chamran university of Ahvaz
چکیده [English]

In this study, while examining the performance of random forest model and Gaussian process regression, simulating the values of electrical conductivity and total dissolved solids in the western stations of Lake Urmia (Chehriq-Olya, Dizj and Tepik) according to the values of flow discharge and The HCO3 of the river flow has been studied in the period of 1971-2020. According to the RMSE and NSE statistics, the simulation results of EC values in the studied stations showed that the error rate of the RF model is lower than the GPR model and the efficiency of the model is also higher. The error rate of simulating EC values using the RF model in the test phase in Chihriq-Olya, Dizj and Tepik stations is about 356, 36 and 47% less than the GPR model. In general, the results showed that according to the simulated confidence intervals of EC and TDS parameters, the performance of the two investigated models is acceptable, but in the case of TDS values, the behavior of the two investigated models in the two stations of Dizj and Tepik is different.

کلیدواژه‌ها [English]

  • Gaussian Process
  • Lake Urmia
  • Random Forest
  • Regression
  • Water Quality