در این مطالعه، لایهبندی حرارتی ماهانه مخزن چاهنیمه شماره ۴ (CRN4) با استفاده از دادههای مشاهداتی از اردیبهشت ۱۳۹۲ تا فروردین ۱۳۹۳ استخراج شد. سپس، لایهبندی حرارتی ماهانه توسط مدل تحلیلی یکبعدی HEC-5Q و مدلهای دادهمحور شامل: ماشین یادگیری شدید (ELM) و رگرسیون بردار پشتیبان (SVR) شبیهسازی شد. نتایج نشان داد که باد مداوم ۱۲۰ روزه، همراه با نرخ تبخیر بالا، باعث میشود دریاچه حداقل دو بار در سال، گردش از بالا به پایین را تجربه کند و در نتیجه منجر به بازیابی اکسیژن محلول و فراهم شدن محیطی برای حیات آبزیان در هیپولیمنیون شود که در پاییز و زمستان رخ میدهد؛ علاوه بر این، نتایج نشان داد که به طور کلی، روشهای هوش مصنوعی در مقایسه با مدل کلاسیک قویتر هستند و در عین حال به دادههای کمتری نیاز دارند.
