شبیه سازی پتانسیل آب های زیرزمینی حوضه کهورستان با بهره گیری از رویکرد ترکیبی مدل های داده کاوی
- سال انتشار: 1400
- محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 12، شماره: 23
- کد COI اختصاصی: JR_JWMR-12-23_012
- زبان مقاله: فارسی
- تعداد مشاهده: 300
نویسندگان
University of Hormozgan
University of Hormozgan
University of Hormozgan
University of Hormozgan
چکیده
آب زیرزمینی بهعنوان یکی از منابع قابل توجه برای آب شیرین در نظر گرفته میشود. هدف از این پژوهش، به کار بردن چهار مدل یادگیری ماشین شامل جنگل تصادفی، ماشین بردار پشتیبان، Bioclim و Domain به منظور تهیه نقشه پتانسیل آب زیرزمینی در حوزه آبخیز کهورستان استان هرمزگان است. نوآوری این پژوهش استفاده از الگوریتم های Bioclim و Domain به منظور شبیه سازی پتانسیل آب زیرزمینی و مقایسه آن با دو تکنیک جنگل تصادفی و ماشین بردار پشتیبان و همچنین ترکیب این چهار مدل بر اساس یک رابطه ابتکاری و جدید می باشد. برای این منظور، ۱۱ معیار شامل درصد شیب، جهت شیب، انحنای سطح، انحنای مقطع، شاخص پوشش گیاهی تعدیل شده بر حسب خاک(SAVI) ، شاخص اصلاح شده نرمال تفاضل آب (MNDWI)، فاکتور طول و تندی شیب (LS)، شاخص قدرت جریان (SPI)، شاخص رطوبت توپوگرافیک (TWI)، کاربری اراضی و فاصله از آبراهه ها در نظر گرفته شد. همچنین از دادههای ۱۱۳ چاه که دارای دبی پمپاژ بالا بودند برای فرآیندهای شبیه سازی (۷۰ درصد) و اعتبارسنجی (۳۰ درصد) استفاده شد. قبل از مدل سازی آزمون هم خطی بر روی معیارها انجام شد و مشاهده گردید هیچ نوع هم خطی بین متغیرها وجود ندارد. ارزیابی کارآیی مدل سازی با منحنی ROC نشان داد که هر چهار روش استفاده شده دارای دقت خیلی خوب و AUC بالای ۹۰ درصد جهت پیش بینی می باشند. بررسی وزن معیارها بر اساس روش جنگل تصادفی نشان داد که معیار کاربری و پوشش اراضی و فاصله از آبراهه دارای بالاترین وزن می باشند. در ادامه نتایج چهار روش با یک رابطه پیشنهادی ترکیب گردید. نقشه نهایی نشان داد که ۲۱/۴ درصد از منطقه مورد مطالعه دارای پتانسیل خوب از نظر آب زیرزمینی می باشد.کلیدواژه ها
Bioclim algorithm, Domain algorithm, Random Forest, Spatial analysis, Support Vector Machine, آنالیز مکانی, الگوریتم Bioclim, الگوریتم Domain, جنگل تصادفی, ماشین بردار پشتیباناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.