Journal of Water and Soil Science

fa مقایسه الگوریتم تنبل و مدل 5‌M در برآورد تراز سطح ایستابی (مطالعه موردی دشت نیشابور) Comparison of Lazy Algorithms and M5 Model to Estimate Groundwater Level (Case Study: Plain Neyshabur) عمومی Ggeneral پژوهشي Research در سال‌های اخیر در بسیاری از کشورها برداشت آب منابع زیرزمینی از میزان تغذیه سالیانه آنها بیشتر بوده است. این امر باعث پایین افتادن سطح آب زیرزمینی و به دنبال آن خشک شدن چاه‌ها، قنات‌ها و چشمه شده است. در این تحقیق با توجه به اهمیت دشت نیشابور در تأمین آب کشاورزی، شرب و صنعت منطقه، از الگوریتم‌های تنبل KNN، KSTARو LWL و مدل درختی 5M تحت هفت سناریوی مختلف، برای برآورد تراز سطح ایستابی این آبخوان استفاده ‌شده است. برای مقایسه نتایج، آماره‌های ریشه متوسط خطـای مربعـات، ضریب همبستگی و متوسط قدر مطلق خطا مورد تحلیل قرار گرفت. نتایج نشان داد که سناریو  fکه شامل پارامترهای حجم آب تخلیه‌ شده و مجموع بارندگی می‌باشد، به‌دلیل در نظر نگرفتن پارامتر تراز سطح زمین، کارایی کمتری دارد. در سناریوی a، b و g با در نظر گرفتن پارامترهای مجموع بارندگی در ماه قبل، مجموع بارندگی در دو ماه قبل و تراز سطح زمین، برآورد مطلوب‌تری از تراز سطح ایستابی حاصل می‌شود. در بین مدل‌های الگوریتم تنبل و مدل درخت تصمیم 5M توانایی مدل KNN تحت سناریوی a در ماه آذر با داشتن  0/96=RZ د ، 56/6RMSE= و 53/3 MAE= از سایر مدل‌ها بیشتر می‌باشد. همچنین بررسی معیارهای ارزیابی نشان داد که مدل LWL‌، مدل مناسبی برای پیش‌بینی تراز سطح ایستابی نمی‌باشد.  In recent years and in many countries, overusing groundwater resources had been higher than their annual feeding amount. This issue caused drop in the groundwater levels, followed by drying wells, qanats and springs. In this study, given the importance of Neyshabur plain in supplying agricultural, industrial and drinkable water of the area, lazy algorithms of KNN, KSTAR and LWL and M5 tree model have been utilized under seven different scenarios in order to estimate groundwater level of this aquifer. To compare the results, the Statistical parameters of root mean square error, correlation coefficient and the average absolute error were analyzed. The results showed that the ‘f’ scenario which contains the volume of water discharged and total precipitation parameters is less efficient because the ground surface level parameter was not taken into account. In ‘a’, ‘b’ and ‘g’ scenarios, an optimum estimation has been maintained for the groundwater level by considering the parameters of total rainfall in the previous month, total rainfall in the last two months and the ground surface level. Among the models of lazy algorithms and M5 decision tree model, the ability of KNN model under ‘a’ scenario was more than other models in December (Azar) by the statistical parameters RZ=0/96 , RMSE= 6.56 and MAE= 3.53. Also, study of evaluation criteria showed that the LWL is not an appropriate model to predict the level of the water table.     الگوریتم تنبل, درخت تصمیم 5M, تراز سطح ایستابی, دشت نیشابور lazy algorithm, M5 tree model, the static surface level, Neyshabur plain. 15 26 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3515-1&slc_lang=fa&sid=1 A. Khalili Naft Chali آتنا خلیلی نفت چالی atenakhalili_2014@yahoo.com Yes 1. Dept. of water Sci. Eng., Faculty of Agric. Univ. of Birjand, Birjand, Iran. 1. گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند A. Shahidi علی شهیدی Ashahidi@birjand.ac.ir No 1. Dept. of water Sci. Eng., Faculty of Agric. Univ. of Birjand, Birjand, Iran. 1. گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند A. khashei siuki عباس خاشعی سیوکی abbaskhashei@ birjand.ac.ir No 1. Dept. of water Sci. Eng., Faculty of Agric. Univ. of Birjand, Birjand, Iran. 1. گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند