دانشجو: آقای تمیم عرب خیرمحمد
استاد راهنما: دکتر رنیما حیدرزاده
زمان: ۳۰ بهمن ماه ۱۴۰۴ ساعت: ۱۴:۳۰
مکان: دانشکده فنی و مهندسی کلاس ۲۰۳
چکیده:
دمای آب یکی از مهمترین پارامترهای فیزیکی در تعیین ساختار حرارتی و کیفیت اکوسیستمهای آبی محسوب میشود. پیشبینی دقیق پروفیل عمقی دمای آب نقش مهمی در مدیریت منابع آب، ارزیابی کیفیت آب و بررسی اثرات تغییرات اقلیمی دارد. هدف این پژوهش، پیشبینی پروفیل عمقی دمای آب دریاچه سردشت با استفاده از الگوریتمهای یادگیری ماشینی شامل شبکه عصبی مصنوعی (ANN)، جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM) و ارزیابی عملکرد آنها بود.
برای این منظور، دادههای هواشناسی، هیدرولوژیکی و دمای آب در بازه زمانی ???? تا ???? مورد استفاده قرار گرفت. مدلها با استفاده از دادههای آموزشی آموزش داده شده و عملکرد آنها در دوره آزمون با استفاده از شاخصهای آماری شامل R&sup۲;، RMSE، MAE و MBE و همچنین تحلیلهای کیفی شامل بررسی پروفیلهای عمقی، سریهای زمانی، نمودارهای پراکندگی و باکسپلات ارزیابی شد.
نتایج نشان داد که هر سه مدل قادر به پیشبینی دمای آب با دقت مناسبی هستند. در میان مدلها، مدل جنگل تصادفی (RF) بهترین عملکرد را نشان داد و دارای بالاترین دقت، بیشترین پایداری و کمترین میزان سوگیری بود. مدل شبکه عصبی مصنوعی (ANN) نیز عملکرد قابل قبولی داشت، اما دارای سوگیری مثبت بود. مدل ماشین بردار پشتیبان (SVM) نیز توانست الگوی کلی تغییرات دما را بازنمایی کند، اما دقت کمتری نسبت به دو مدل دیگر داشت.
بهطور کلی، نتایج این پژوهش نشان داد که الگوریتمهای یادگیری ماشینی، بهویژه مدل جنگل تصادفی، ابزارهای مؤثری برای پیشبینی پروفیل دمای آب دریاچه سردشت هستند و میتوانند جایگزین مناسبی برای مدلهای پیچیده فیزیکی باشند.
کلید واژهها: پروفیل دمای آب، دریاچه سردشت، یادگیری ماشینی، شبکه عصبی مصنوعی، جنگل تصادفی، ماشین بردار پشتیبان و پیشبینی دما
|