پیش‌بینی کیفیت منابع آب زیرزمینی با رویکرد ترکیبی تحلیل مؤلفه‌های اصلی، خوشه‌بندی مکانی و مدل‌های یادگیری ماشین RF و SVR بهینه‌شده با الگوریتم‌های RSA و DSA

رفعتی, مریم; کاردان مقدم, حمید; حدادی, محدثه; ملک زاده, مریم

doi:10.22059/ije.2026.418026.1919

پیش‌بینی کیفیت منابع آب زیرزمینی با رویکرد ترکیبی تحلیل مؤلفه‌های اصلی، خوشه‌بندی مکانی و مدل‌های یادگیری ماشین RF و SVR بهینه‌شده با الگوریتم‌های RSA و DSA

مقالات آماده انتشار

نوع مقاله : پژوهشی

نویسندگان

مریم رفعتی ¹

حمید کاردان مقدم ²

محدثه حدادی ³

مریم ملک زاده ⁴

¹ استادیار گروه محیط زیست، واحد تهران شمال، دانشگاه ازاد اسلامی، تهران ایران

² استادیار پژوهشی موسسه تحقیقات آب، وزارت نیرو، تهران، ایران

³ گروه محیط زیست، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران

⁴ استادیار گروه محیط زیست، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران

10.22059/ije.2026.418026.1919

چکیده

در این پژوهش، کیفیت آب زیرزمینی آبخوان قزوین با رویکردی ترکیبی شامل تحلیل مؤلفه‌های اصلی، خوشه‌بندی مکانی، شاخص کیفیت آب زیرزمینی و مدل‌های یادگیری ماشین بررسی شد. نتایج نشان داد که EC و TDS رابطه بسیار قوی داشته و افزایش شوری عمدتاً با غلظت Na، Cl، SO₄ و TH همراه است.. استفاده از روش PCA نشان داد که دو مؤلفه اول 78 درصد از واریانس کل داده‌ها را تبیین می‌کند. مؤلفه اول به‌عنوان عامل شوری، تجمع املاح و سختی و مؤلفه دوم به‌عنوان عامل مرتبط با pH و HCO₃ تفسیر شد. خوشه‌بندی K-means بر اساس PC1، PC2 و مختصات UTM، چاه‌ها را به سه پهنه کیفی شامل شوری کم، متوسط و زیاد تفکیک کرد. میانگین GQI برابر با 83 بدست آمد و بیشتر چاه‌ها در طول دوره زمانی سنجش در کلاس خوب قرار گرفتند. در بخش مدل‌سازی، RF و SVR برای برآورد GQI استفاده گردید که ابرپارامترهای آن‌ها با RSA و DSA بهینه شد. بهترین عملکرد مربوط به مدل DSA-SVR بدست آمد که ضریب تبیین 99/0، مقدار میانگین مجذور مربعات خطا 15/0 و میانگین مطلق خطای 1/0 بدست آمد. نتایج نشان داد چارچوب پیشنهادی ابزاری مؤثر برای تحلیل، پهنه‌بندی و برآورد کیفیت آب زیرزمینی است.

کلیدواژه‌ها

آب زیرزمینی

GQI

PCA

خوشه‌بندی مکانی

DSA

موضوعات