استفاده از الگوريتم CART در پيش‌بيني نوسانات سطح آب زيرزميني در داخل و خارج از محدوده شبكه آبياري (مطالعه موردي: منطقه تحت آبياري شهرستان قزوين)

Using CART algorithm in predicting groundwater table fluctuations inside and outside of an irrigation system (case study: irrigating area of Qazvin)

با توجه به اهميت نوسانات سطح آب زيرزميني به‌عنوان يكي از عوامل مهم و مؤثر بر كشاورزي، در اين تحقيق با استفاده از الگوريتم درختي­ CART از نرم‌افزار داده­كاوي SPSS Modeler18.0 IMB به كشف مدل­ و عوامل مؤثر بر پيش­بيني نوسانات سطح آب زيرزميني با توجه به اطلاعات مربوط به آبخوان محدوده تحت آبياري شهرستان قزوين از سال 1380 تا 1394 پرداخته شد. متغيرهاي ورودي به مدل شامل وزن تأثير هر پيزومتر، نياز خالص آبي، مصرف در هر پيزومتر، مقدار بارندگي، مقدار آب ورودي و خروجي از سد طالقان، نسبت سطح زير كشت و مقدار آب ورودي به شبكه آبياري و همچنين متغير خروجي به‌عنوان تابع هدف شامل وضعيت نوسانات سطح آب زيرزميني مورد استفاده قرار گرفت. قابليت پيش­بيني مدل به‌وسيله معيارهايي نظير ضريب همبستگي و متوسط مطلق خطا مورد بررسي قرار گرفت. با توجه به نتايج بدست آمده مشخص شد كه الگوريتم CART در پيش­بيني نوسانات سطح آب زيرزميني در داخل محدوده شبكه آبياري نسبت به خارج از محدوده شبكه آبياري داراي عملكرد بهتري بود. همچنين مشخص شد كه مهمترين پارامتر مؤثر در نوسانات سطح آب زيرزميني در داخل محدوده شبكه آبياري مقدار آب ورودي به سد مي­باشد.

Due to importance of predicting groundwater table fluctuations as an important and key factor in agricultural activities, the main aim of this study is finding the model and effective factors in predicting groundwater table fluctuations by using CART tree algorithm in data mining package of SPSS modeler 18.0 IBM, in Qazvin irrigating area during 15 years from 2001 to 2015. Input variables to the model were the degree of effectiveness of each piezometer, net water requirements, the amount of consumption in each piezometer, rainfall depth, inflow and outflow from Taleghan reservoir, cropping area, and inflow to the irrigation system, the model output as objective function is groundwater table fluctuations. The predictability of the model was determined by the criteria such as correlation coefficient and mean absolute error. The results showed that the performance of the CART algorithm in predicting water table fluctuations inside the irrigation system is better than the outside of it. Furthermore, the results show that the most important parameter effective in predicting groundwater table fluctuations inside of the irrigation system is inflow to reservoir.