پيش‌بيني مناطق بالقوه آب‌ زيرزميني با استفاده از روش‌هاي هوش مصنوعي تركيبي (مطالعه موردي: دشت بيرجند)

آب‌هاي زيرزميني يكي از مهم‌ترين منابع با ارزش براي استفاده جوامع، كشاورزي و صنايع هستند. در مطالعه حاضر، سه مدل هوش مصنوعي جديد شامل مدل آدابوست واقعي بهبود يافته (MRAB)، مدل بگينگ (BA) و مدل جنگل چرخشي (RF) توسط مدل طبقه‌بندي‌كننده پايه درخت عملكردي (‏FT) ‏براي پيش‌بيني مناطق بالقوه آب‌هاي زيرزميني در منطقه دشت بيرجند توسعه داده شده‌اند. لذا جهت پياده‌سازي، داده‌هاي ژئوهيدرولوژيكي 37 حلقه چاه آب زيرزميني و 10 عامل توپوگرافي، هيدرولوژي و زمين‌شناسي مورد استفاده قرار گرفت. عملكرد اين مدل‌ها با استفاده از سطح زير منحني (AUC) و ساير شاخص‌هاي آماري مورد ارزيابي قرار گرفت. نتايج نشان داد كه هر چند تمامي مدل‌هاي تركيبي توسعه داده شده در اين تحقيق دقت پيش‌بيني را افزايش دادند، اما مدل MRABFT (0.742‏AUC)‏ دقت بالاتري را در پيش‌بيني مناطق بالقوه آب‌هاي زيرزميني در منطقه دشت بيرجند دارد. تهيه نقشه دقيق از مناطق بالقوه آب زيرزميني، با حفظ تعادل بين مصرف و بهره‌برداري، به تغذيه مناسب آبخوان براي استفاده بهينه از منابع آب زيرزميني كمك خواهد كرد.