Page 84 - MaSzeSz hírcsatorna 2023/2.

A FELSZÍN ALATTI VÍZSZINT INGADOZÁ- forgatókönyv alapján nyertük ki. A második
SÁNAK ELŐREJELZÉSE GÉPI TANULÁSI lépésben különböző gépi tanulási algoritmu-
ALGORITMUSOK ALAPJÁN A MASHHAD sokat, köztük a többrétegű perceptron neu-
VÍZTARTÓ RÉTEGBEN, IRÁNBAN rális hálózatot (MLP), az adaptív neuro-fuzzy
következtetési rendszer semleges hálózatát
Prediction of groundwater level fluctuations (ANFIS), a radiális bázisfüggvény neurális
under climate change based on machine lear- hálózatot (RBF) és a támogató vektor me-
ning algorithms in the Mashhad aquifer, Iran chanizmust (SVM) alkalmaztuk a felszín
Ghasem Panahi; Mahya Hassanzadeh Eskafi; alatti vízszint ingadozások idősorának jövő-
Alireza Faridhosseini; Saeed Reza Khodashe- beni előjelzésére. Eredményeink rámutat-
nas; Abbas Rohani nak arra, hogy a hőmérséklet és a párolgás
növekedni fog az őszi időszakban, a csa-
A tanulmány célja az éghajlatváltozás felszín padék pedig 26%-kal csökken. A párolgás
alatti vízszint ingadozására gyakorolt hatá- mennyisége télen növekedni fog a hőmér-
sának előrejelzése a jövőbeli időszakban séklet emelkedése és a csapadék csökke-
(2022-2064) a mashhadi víztartó rétegben. nése miatt. Az adatok azt mutatták, hogy
Első lépésben az ACCESS-CM2 modell se- az RBFNN (Radial Basis Function Network)
gítségével az éghajlati változókat a Shared modell a többi modellel összehasonlítva
Socio-economic Pathways (SSPs) 5-8.5 kiváló teljesítményt nyújtott a felszín alatti

84