هل يمكن أن توفر الذكاء الاصطناعي القابل للتفسير منظورًا جديدًا لتقدير إعادة شحن المياه الجوفية؟—نموذج على نطاق عالمي باستخدام الشبكة العصبية

الملخص نظرًا للصعوبات في تقدير إعادة شحن المياه الجوفية والطبيعة العابرة للحدود للعديد من طبقات المياه الجوفية، تم الدعوة إلى تقدير إعادة شحن المياه الجوفية على نطاق واسع. تم إنشاء نماذج قائمة على العمليات بالإضافة إلى نماذج مدفوعة بالبيانات لتلبية هذه الحاجة. وفي الوقت نفسه، مع ظهور طرق الذكاء الاصطناعي القابل للتفسير (XAI)، يمكن لنماذج تعلم الآلة المدفوعة بالبيانات الاستفادة من زيادة التفسير مع الحفاظ على قوة المرونة العالية. في هذه الدراسة، تم بناء نموذج شبكة عصبية جماعية للتحقق من ملاءمة النموذج للتنبؤ بإعادة شحن المياه الجوفية وإمكانية الحصول على رؤى جديدة من مجموعة بيانات كبيرة. تم تغذية النموذج بمدخلات كبيرة مؤخرًا من بيانات إعادة شحن المياه الجوفية ومدخلات إضافية لشبه الجزيرة العربية تم تجميعها في هذه الدراسة مع مجموعة من المتنبئات المتعلقة بالمناخ مع مراعاة الموسمية وخصائص التربة والنباتات والتضاريس والهيدروجيولوجيا. أظهر النموذج أداءً أعلى (R 2 المعدلة: 0.702، RMSE: 193.35 مم في السنة −1) من نموذج عالمي قائم على العمليات في التنبؤ بإعادة شحن المياه الجوفية. باستخدام طرق XAI كقيم توقعات فردية شرطية وقيم تفاعل التفسير الإضافي لشابرلي، تم تحليل سلوك النموذج ووجدت علاقات خطية وغير خطية محتملة بين المتنبئات ومعدل إعادة شحن المياه الجوفية. أظهرت البيانات المتوسطة لهطول الأمطار على المدى الطويل ومؤشر النباتات المعزز علاقات غير خطية مع معدل إعادة شحن المياه الجوفية، في حين أظهرت الانحدار ومؤشر التضاريس المركب وعمق طبقة المياه الجوفية أهمية منخفضة بالنسبة لنتائج النموذج. تبعت معظم سلوكيات النموذج المعرفة المتخصصة، في حين أعاقت العلاقات المتعددة بين المتنبئات والانحراف في البيانات النموذج من التعلم.