ارزيابي مدل هاي پيشرفته يادگيري ماشين در پيش‌بيني تراز سطح آب درياچه اروميه

درياچه‌ها نقش مهمي در چرخه هيدرولوژيكي دارند و پيش‌بيني سطح آب آنها مي‌تواند اطلاعات حياتي براي مديريت آينده درياچه ها و اكوسيستم آنها فراهم كند. در پژوهش حاضر 2 مدل شامل پس هرس كردن درخت به روش كاهش خطاي هرس و مدل تركيبي REPT با مدل جنگل چرخان (ROF-REPT) توسعه و ساخته شد، و براي پيش‌بيني 1، 2 و 3 ماه آتي سطح آب درياچه اروميه در شمال غرب ايران مورد استفاده قرار گرفت. داده ‌هاي سري زماني سطح آب از سال 2001 تا 2020 به دو دسته، به ترتيب براي ساخت مدل (از سال 2001 تا 2014) و اعتبارسنجي (از 2015 تا 2020) تقسيم شد. سناريوهاي ورودي مختلف براي يافتن مؤثرترين سناريو ورودي از متغيرهاي اقليمي ساخته شد و مورد ارزيابي قرار گرفت. در نهايت مدل‌هاي توسعه‌يافته از طريق معيارهاي بصري و كمّي ارزيابي شدند. نتايج نشان داد كه مدل تركيبي ROF-REPT داراي عملكرد بالاتري نسبت به مدل منفرد REPT براي تمامي 1، 2 و 3 ماه آينده است. ضريب نش (Nash-Sutcliffe Efficiency) براي مدل‌هاي منفرد بين 0/45 تا 0/87 و براي مدل‌هاي تركيبي بين 0/53 تا 0/95 حاصل شد. همچنين، نشان داده شد كه مدل‌هاي توسعه‌يافته قادر به پيش‌بيني سطح آب تا 3 ماه آينده هستند.