عیسی غلامی؛ مهدی وفاخواه؛ سید جلیل علوی
چکیده
به دلیل کمبود اطلاعات در اکثر حوزههای آبخیز، بسیاری از محققین برای مطالعههای هیدرولوژیکی و سیلگیری به استفاده از تجزیه و تحلیلهای مکانی در سیستم اطلاعات جغرافیایی روی آوردند. پژوهش حاضر به منظور مقایسۀ کارایی سه مدل ماشین بردار پشتیبان (SVM)، خطی تعمیم یافته (GLM) و جمعی تعمیم یافته (GAM) در تهیۀ نقشۀ سیلگیری استان گیلان برنامهریزی ...
بیشتر
به دلیل کمبود اطلاعات در اکثر حوزههای آبخیز، بسیاری از محققین برای مطالعههای هیدرولوژیکی و سیلگیری به استفاده از تجزیه و تحلیلهای مکانی در سیستم اطلاعات جغرافیایی روی آوردند. پژوهش حاضر به منظور مقایسۀ کارایی سه مدل ماشین بردار پشتیبان (SVM)، خطی تعمیم یافته (GLM) و جمعی تعمیم یافته (GAM) در تهیۀ نقشۀ سیلگیری استان گیلان برنامهریزی شده است. بدین منظور لایههای اطلاعاتی درجۀ شیب، جهت شیب، شکل شیب، ارتفاع از سطح دریا، فاصله از رودخانه، تراکم زهکشی، زمین شناسی، کاربری اراضی، شاخص رطوبت توپوگرافی و شاخص توان آبراهه در محیط سامانۀ اطلاعات جغرافیایی (نرمافزارهای ArcGIS و SAGA-GIS) تهیه شدند. سپس بر اساس اطلاعات 220 نقطۀ سیلگیر، از 70 درصد تعداد کل نقاط به منظور واسنجی و 30 درصد باقیمانده برای اعتبارسنجی و ارزیابی کارآیی مدلها مورد استفاده قرار گرفت. نتایج ارزیابی دقت مدلها به ترتیب با استفاده از شاخصهای سطح زیر منحنی (AUC) و کاپا (Kappa) نشان داد که از نظر شاخص سطح زیر منحنی (AUC)، مدل ماشین بردار پشتیبان (SVM) با 835/0 و مدل جمعی تعمیم یافته (GAM) با 827/0 دارای دقت خیلی خوب و مدل خطی تعمیم یافته (GLM) با 79/0 دارای دقت خوب میباشد. از نظر شاخص کاپا (Kappa) مدل ماشین بردار پشتیبان (SVM) با 58/0 داری دقت خوب، مدل جمعی تعمیم یافته (GAM) با 53/0 و مدل خطی تعمیم یافته (GLM) با 48/0 دارای دقت قابل قبول میباشند. بنابراین بر اساس شاخصهای مذکور مدل ماشین بردار پشتیبان (SVM) نسبت به دو مدل دیگر در شناسایی مناطق سیلگیر کارایی بالاتری دارد. همچنین عوامل فاصله از رودخانه، ارتفاع از سطح دریا و شیب بیشترین تأثیر را بر سیلگیری منطقۀ مورد مطالعه دارند.
محمدتقی آوند؛ سعید جانی زاده؛ محسن فرزین
چکیده
با افزایش جمعیت و توسعۀ کشاورزی نیاز به منابع آبی به شدت افزایش یافته و منابع آب زیرزمینی، بیش از پیش، بهخصوص در مناطق خشک و نیمهخشک مورد توجه بسیاری قرار گرفته است. هدف از این پژوهش تهیۀ نقشۀ پتانسیل منابع آب زیرزمینی با استفاده از دو مدل دادهکاوی جنگل تصادفی (RF) و آماری رگرسیون خطی تعمیم یافته (GLM) در محدودۀ یاسوج-سیسخت میباشد. ...
بیشتر
با افزایش جمعیت و توسعۀ کشاورزی نیاز به منابع آبی به شدت افزایش یافته و منابع آب زیرزمینی، بیش از پیش، بهخصوص در مناطق خشک و نیمهخشک مورد توجه بسیاری قرار گرفته است. هدف از این پژوهش تهیۀ نقشۀ پتانسیل منابع آب زیرزمینی با استفاده از دو مدل دادهکاوی جنگل تصادفی (RF) و آماری رگرسیون خطی تعمیم یافته (GLM) در محدودۀ یاسوج-سیسخت میباشد. بدین منظور لایههای اطلاعاتی شامل درجۀ شیب، جهت شیب، طول شیب، ارتفاع از سطح دریا، شاخص رطوبت توپوگرافی، فاصله از گسل، فاصله از آبراهه، بارندگی، کاربری اراضی، سنگشناسی، شاخص موقعیت توپوگرافی و شاخص قدرت جریان به عنوان مهمترین عوامل مؤثر بر پتانسیل آب زیرزمینی تعیین شده و در نرمافزار ArcGIS و SAGAGIS رقومی و تهیه شدند. از پراکنش 362 چشمۀ موجود در سطح منطقه، 70 درصد (253 چشمه) به عنوان چشمههای آموزشی و 30 درصد (109 چشمه) به عنوان چشمههای آزمایشی استفاده گردید. نتایج نشان داد که سطح طبقات حضور آب زیرزمینی با پتانسیل کم، متوسط، زیاد و خیلی زیاد در نقشه حاصل از روش جنگل تصادفی به ترتیب 78/37، 22/22، 89/18 و 11/21 درصد و در روش رگرسیون خطی تعمیم یافته به ترتیب 49/14، 04/32، 11/31 و 36/22 درصد میباشد. همچنین با حساسیتسنجی عوامل مؤثر در هر دو روش، عاملهای بارندگی، ارتفاع از سطح دریا و فاصله از گسل حساسترین عوامل تعیین شدند. ارزیابی دقت مدلهای دادهکاوی مورد استفاده در این تحقیق نیز با استفاده از منحنی عملکرد نسبی (ROC) مورد سنجش قرار گرفت. سطح زیر منحنی (AUC) برای دو مدل RF و GLM به ترتیب 92 % و 65 % درصد را نشان میدهد، بنابراین دقت مدل جنگل تصادفی در تهیۀ نقشۀ پتانسیل آب زیرزمینی در منطقۀ مورد مطالعه بیشتر از مدل رگرسیون خطی تعمیمیافته است. مدلهای نوین دادهکاوی و آماری در تلفیق با GIS برای پتانسلیابی منابع آب زیرزمینی میتواند برای مدیریت پایدار، مورد توجه طراحان و تصمیمگیران طرحهای توسعهای واقع گردد.
سید مسعود سلیمان پور؛ بهرام هدایتی؛ مجید صوفی؛ محمد جواد روستا؛ صمد شادفر
چکیده
یکی از روابط مهم در فرسایش خندقی، بررسی آستانههای ایجاد و گسترش این فرسایش است. این روابط کمک میکند تا بتوان با شناخت دقیق، راهکار مناسبی را پیشبینی نمود و از تخریب اراضی به نحو مطلوب جلوگیری به عمل آورد. طی دهۀ اخیر، ظهور دانشهای نوین در تعیین رابطۀ بین متغیرها موجب توسعۀ روشهای پیشبینی در علوم مختلف شده است و در نتیجه، ...
بیشتر
یکی از روابط مهم در فرسایش خندقی، بررسی آستانههای ایجاد و گسترش این فرسایش است. این روابط کمک میکند تا بتوان با شناخت دقیق، راهکار مناسبی را پیشبینی نمود و از تخریب اراضی به نحو مطلوب جلوگیری به عمل آورد. طی دهۀ اخیر، ظهور دانشهای نوین در تعیین رابطۀ بین متغیرها موجب توسعۀ روشهای پیشبینی در علوم مختلف شده است و در نتیجه، بررسی قابلیت استفاده از آنها در مباحث فرسایش و حفاظت خاک، ضروری است. همچنین با توجه به این که لازم است به منظور کنترل فرسایش خندقی، مکانیسم رشد و گسترش ابعاد خندقها، به ویژه رشد طولی آنها، به دقت بررسی و شناخته شود، به این منظور، پژوهش حاضر اقدام به تعیین آستانۀ مؤثرترین عوامل بر افزایش طول خندقها با استفاده از الگوریتمهای دادهکاوی K-Means و درخت تصمیم CART در حوزۀ آبخیز قاضیان واقع در شمال استان فارس نموده است. نتایج این پژوهش که شامل اندازهگیری متغیرهای مختلف خندقها در عملیات میدانی و آزمایشگاهی و استفاده از تکنیکهای دادهکاوی است نشان داد افزایش طول خندقها در این منطقه، تابع عوامل مساحت آبخیز گسترش، هدایت الکتریکی عصارۀ اشباع، شیب پیشانی، درصد پوشش گیاهی و نسبت جذبی سدیم میباشد. توصیه میشود در کاهش گسترش طولی خندقها و تولید رسوب، به کنترل فرسایش در پیشانی آنها توجه بیشتری شود. همچنین اصلاح خاکهای این منطقه به کمک اصلاحکنندهها و احیای پوشش گیاهی سازگار و افزایش مادۀ آلی خاک، در اولویت اقدامات مؤثر در کنترل گسترش طولی خندقها قرار گیرد.
مریم اسدی؛ علی فتحزاده
چکیده
آگاهی از میزان رسوب معلق رودخانهها یکی از مسائل اساسی در پروژههای آبی است که طراحان تأسیسات آبی همواره با آن روبرو بودهاند. با توجه به صرف هزینه و زمان طولانی جهت اندازهگیری بار معلق رودخانهها، استفاده از منحنیهای سنجۀ رسوب معمولترین روش برآورد بار رسوب معلق رودخانهها محسوب میگردد. این در حالی است که روشهای نوین ...
بیشتر
آگاهی از میزان رسوب معلق رودخانهها یکی از مسائل اساسی در پروژههای آبی است که طراحان تأسیسات آبی همواره با آن روبرو بودهاند. با توجه به صرف هزینه و زمان طولانی جهت اندازهگیری بار معلق رودخانهها، استفاده از منحنیهای سنجۀ رسوب معمولترین روش برآورد بار رسوب معلق رودخانهها محسوب میگردد. این در حالی است که روشهای نوین مبتنی بر هوش مصنوعی و دادهکاوی در بسیاری از علوم مهندسی رخنه کرده است. بر همین اساس هدف اصلی این تحقیق به چالش کشیدن توانمندی روش کلاسیک برآورد بار معلق در مقایسه با برخی روشهای نوظهور میباشد. ما در این پژوهش شش مدل،K نزدیکترین همسایه، شبکۀ عصبی پس انتشار خطا، فرآیند گوسی، درخت تصمیمگیری M5، ماشینبردار پشتیبان و ماشینبردار پشتیبان تکاملی را انتخاب و به مقایسۀ آنها با مدل سنجۀ رسوب در هشت حوزۀ آبخیز واقع در استان گیلان پرداختیم. طول دوره آماری دادههای ورودی به مدلها به صورت روزانه و 30 ساله در نظر گرفته شد. ارزیابی نتایج حاصله نشان داد مدل فرآیند گوسی در مقایسه با سایر مدلها، با کمترین مجموع مربعات باقیمانده (RMSE) (متوسط مجموع مربعات باقی مانده= 05/37 در هشت حوزه) و بیشترین ضریب همبستگی (r) (متوسط ضریب همبستگی 72/0 در هشت حوزه) و با بهترین ضریب ناش- ساتکلیف (متوسط 66/0 در هشت حوزه) نسبت به سایر مدلها از کارآیی بیشتری برخوردار است. لذا استفاده از مدلهای مذکور به جای روشهای معمول برآورد بار معلق میتواند دقت این برآوردها را به میزان قابل ملاحظهای بهبود بخشد.