نسرین بیرانوند؛ علیرضا سپه وند؛ علی حقیزاده
چکیده
این تحقیق با استفاده از الگوریتمهای یادگیری ماشین به بررسی کارآیی مدلهای RF, RepTree, GP-PUK, GP-RBF, M5P برای مدلسازی بارانحلالی در زیرحوضههای خرمآباد، بیرانشهر و الشتر در استان لرستان پرداخته شد. دادههای ورودی شامل بارش، دبی، دبی یک روز قبل، میانگین دبی (دبی همان روز و یک روز قبل) همچنین داده خروجی رسوب انحلالی رودخانهها میباشد. ...
بیشتر
این تحقیق با استفاده از الگوریتمهای یادگیری ماشین به بررسی کارآیی مدلهای RF, RepTree, GP-PUK, GP-RBF, M5P برای مدلسازی بارانحلالی در زیرحوضههای خرمآباد، بیرانشهر و الشتر در استان لرستان پرداخته شد. دادههای ورودی شامل بارش، دبی، دبی یک روز قبل، میانگین دبی (دبی همان روز و یک روز قبل) همچنین داده خروجی رسوب انحلالی رودخانهها میباشد. در این تحقیق برای مدلسازی در مرحله آموزش 70 درصد دادهها و در مرحله آزمایش 30 درصد باقیمانده مورد استفاده قرار گرفتند. در نهایت برای مقایسه نتایج مدلهای مختلف و انتخاب بهترین مدل، از معیارهای سنجش خطای ریشه میانگین مربعات خطا (RMSE)، ضریب همبستگی (C.C) و میانگین مربعات خطا (MAE) استفاده شد. نتایج نشان داد باتوجه به معیارهای ارزیابی مدل GP با دو تابع کرنل PUK و RBF در دوره پرآبی و کمآبی عملکرد بهتری را نسبت به سایر مدلها داشته است. نتایج بهدست آمده در دوره پرآبی نشان داد که در ایستگاههای چمانجیر، سراب صیدعلی و کاکارضا مدل GP-RBF و در ایستگاه هیدرومتری بهرامجو مدل GP-PUK با بیشترین ضریب همبستگی و کمترین خطا در مرحله آزمایش بهعنوان مدلهای بهینه برای تخمین بار انحلالی انتخاب شدند. همچنین در ایستگاههای هیدرومتری بهرامجو، چمانجیر و سراب صیدعلی مدل GP-RBF و در ایستگاه هیدرومتری کاکارضا مدل GP-PUK بهعنوان مدل بهینه برای تخمین بار انحلالی در دوره کمآبی انتخاب شدند. بنابراین، با توجه به نتایج به دست آمده، میتوان برای مدیریت کیفیت و کمیت منابع آب سطحی از مدلهای بهینه GP-PUK و GP-RBF برای تخمین بار انحلالی رودخانههای فاقد ایستگاه هیدرومتری در حوضههای کارستی استفاده کرد.
اصغر رحمانی؛ فریدون سرمدیان؛ سیدروح اله موسوی؛ سیدعرفان خاموشی
چکیده
روشهای معمول نقشهبرداری خاک وابسته به نمونهبرداری متراکم، متأثر از مقیاس و دانش کارشناس میباشد، بنابراین استفاده از رویکردهای جدید دادهکاوی در تهیۀ نقشۀ رقومی ویژگیهای خاک برای مرتفع نمودن مشکلات روش معمول هدف اصلی این تحقیق است. در این پژوهش 62 نمونه خاک از عمق 0-20 سانتیمتر براساس روش شبکۀ منظم (300 متر) و نظر کارشناس ...
بیشتر
روشهای معمول نقشهبرداری خاک وابسته به نمونهبرداری متراکم، متأثر از مقیاس و دانش کارشناس میباشد، بنابراین استفاده از رویکردهای جدید دادهکاوی در تهیۀ نقشۀ رقومی ویژگیهای خاک برای مرتفع نمودن مشکلات روش معمول هدف اصلی این تحقیق است. در این پژوهش 62 نمونه خاک از عمق 0-20 سانتیمتر براساس روش شبکۀ منظم (300 متر) و نظر کارشناس انتخاب و ویژگیهای درصد کربن آلی، رس و کربنات کلسیم در بخشی از اراضی دیم منطقۀ کوهین با مساحت 370 هکتار اندازهگیری گردیدند. دو دسته داده 80 و 20 درصد بهترتیب برای واسنجی و اعتبارسنجی مدلها انتخاب گردیدند. با استفاده از نرم افزار SAGA GIS و مدل رقومی ارتفاع با قدرت تفکیک مکانی10متر، 19 متغیر ژئومورفومتری استخراج و براساس آنالیز تجزیۀ مؤلفههای اصلی (PCA) سه متغیر ارتفاع، شاخص موقعیت توپوگرافی و شاخص شدت پستی و بلندی و همچنین براساس نظر کارشناس، نقشۀ واحدهای لندفرم برای مدلسازی ویژگیها انتخاب گردیدند. مدل جنگل تصادفی دارای دقت بالاتری بود بهنحویکه نتایج آن برای ویژگیهای درصد کربن آلی، رس و کربنات کلسیم بر اساس آمارههای ضریب تبیین (R2) به ترتیب مقادیر 63/0، 75/0 و 63/0 و ریشۀ میانگین مربعات خطا (RMSE) مقادیر 17/0، 5/7، 77/5 درصد و برای رویکرد SoLIM مقادیر ضریب تبیین (R2) 47/0، 42/0و42/0 و مقادیر ریشۀ میانگین مربعات خطای 2/0، 08/8 و 68/4 درصد حاصل گردید. رویکرد جنگل تصادفی با شناخت ارتباط غیرخطی و بهینۀ ویژگیهای خاک و متغیرهای محیطی مؤثر میتواند نقشههای رقومی را با دقت مناسب برای مدیریت و بهرهبرداری پایدار از اراضی پیشبینی نماید.
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.
حسین نوروزی قوشبلاغ؛ عطاالله ندیری
چکیده
مطالعات یک سیستم آب زیرزمینی بهمنظور شناخت رفتار آن، نیازمند حفر تعدادی زیادی چاه اکتشافی و انجام عملیات پمپاژ و آزمایشهای ژئوفیزیک میباشد که با صرف هزینههای فراوان عملی میگردد. به همین دلیل، امروزه شبیهسازی جریان آب زیرزمینی توسط مدلهای ریاضی و کامپیوتری که یک روش غیرمستقیم مطالعة آب زیرزمینی میباشد، با صرف هزینة ...
بیشتر
مطالعات یک سیستم آب زیرزمینی بهمنظور شناخت رفتار آن، نیازمند حفر تعدادی زیادی چاه اکتشافی و انجام عملیات پمپاژ و آزمایشهای ژئوفیزیک میباشد که با صرف هزینههای فراوان عملی میگردد. به همین دلیل، امروزه شبیهسازی جریان آب زیرزمینی توسط مدلهای ریاضی و کامپیوتری که یک روش غیرمستقیم مطالعة آب زیرزمینی میباشد، با صرف هزینة کمتر صورت میگیرد. در این تحقیق کارایی مدلهای شبکههای عصبی مصنوعی، منطق فازی و جنگل تصادفی(RF) در تخمین سطح آب زیرزمینی آبخوان دشت بوکان مورد بررسی قرار گرفت. پارامترهای بارندگی، دما، دبی جریان و تراز سطح ایستابی در دورة زمانی ماه قبل بهعنوان ورودی و تراز سطح ایستابی در دورة موردنظر بهعنوان خروجی مدلها در مقیاس زمانی ماهانه در طی دورة آماری (1395-1383) انتخاب گردید. معیارهای ضریب همبستگی، ریشة میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسة عملکرد مدلها مورد استفاده قرار گرفت. نتایج حاصله نشان داد که مدلهای منطق فازی و RF میتوانند تراز سطح ایستابی را با دقت قابل قبولی پیشبینی نمایند. سطح آب زیرزمینی در منطقة مورد مطالعه توسط مدل جنگل تصادفی با دقت بیشتر و با همبستگی بالایی بین دادههای مشاهداتی و محاسباتی پیشبینی گردید. بر اساس یافتههای تحقیق مدل جنگل تصادفی که برای اولین بار در این زمینه مورد استفاده قرار گرفته است، توانایی بیشتری در پیشبینی پارامترهای هیدروژئولوژیکی را دارد.