پایش و مدل سازی تغییرات سطحی دریاچه ارومیه با استفاده از شبکه عصبی مصنوعی

دریاچه ارومیه یکی از بزرگترین پهنه های آبی شور در جهان است که در سال های اخیر در شرایط بحرانی قرار داشته است. در این مطالعه، تغییرات این دریاچه و حوضه آبخیز آن بررسی گردید. سپس قابلیت های شبکه ی عصبی مصنوعی در پیش بینی تغییرات سطحی دریاچه مورد ارزیابی قرار گرفت. بدین ترتیب با استفاده از داده های سنجنده TRMM، مدل هیدرولوژیکی GLDAS، سنجنده GRACE، سری ماهواره های ارتفاع سنجی Jason و همچنین تصاویر MODIS به ترتیب میزان بارش، تغییرات احجام آبی سطحی و زیر سطحی (TWS)، تغییرات ارتفاعی و سطحی دریاچه ارومیه در بازه 183 ماه بین آوریل 2002 تا ژوئن 2017 محاسبه گردید. در ادامه با استفاده از دو روش مبتنی بر یادگیری ماشین MLP و LSTM و به کارگیری پارامترهای موثر بر تغییرات سطحی دریاچه به عنوان ورودی شبکه، تغییرات سطحی دریاچه با جذر خطای مربعات مانده های 0511/0 توسط شبکه بهینه LSTM مدل سازی شد. همچنین به منظور پیش بینی تغییرات سطحی دریاچه برای مدت زمان طولانی تر، چهار مدل برای تخمین تغییرات 3، 6، 9 و 12 ماه بعد، تشکیل شدند که در نتیجه آن، شبکه LSTM این تغییرات را برای یک سال آینده با دقتی بالا (جذر خطای مربعات مانده های 0882/0) و توانایی مناسب در شناسایی تغییرات فصلی، تخمین زد.