بررسی کارایی مدلهای هوشمند در برآورد رسوبات معلق رودخانهای (مطالعه موردی: حوزه آبخیز باباامان، خراسان شمالی)
- سال انتشار: 1395
- محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 7، شماره: 14
- کد COI اختصاصی: JR_JWMR-7-14_010
- زبان مقاله: فارسی
- تعداد مشاهده: 344
نویسندگان
چکیده
برآورد دقیق مقدار رسوبات حمل شده توسط رودخانهها در پروژههای آبی، از اهمیت بسیاری برخوردار است و لذا شناسایی و پیشنهاد روشهای مناسب جهت برآورد دبی رسوبات معلق از اهداف مهمی تلقی میشود که بایستی بر اساس تحقیقات مرتبط به انجام برسد. از جمله این روشها میتوان به روشهای یادگیری ماشین از جمله مدل درختان تصمیمگیری، ماشین بردار پشتیبان و شبکه عصبی مصنوعی اشاره کرد. در این پژوهش، کارایی این تکنیکها در پیشبینی میزان دبی رسوبات معلق حوزه آبخیز باباامان بجنورد مورد بررسی قرار گرفت. دادههای ورودی برای پیشبینی رسوبات معلق حوزه باباامان در این پژوهش عبارتند از: دبیجریان، دبی رسوب معلق، بارش و تبخیر، که مربوط به دوره آماری از سال ۱۳۴۹ تا سال ۱۳۸۰ است. جهت ارزیابی دقت و صحت نتایج این مدلها، معیارهای آماری MAE، RMSE، R استفاده شدند. در نهایت نتایج معیارهای آماری R و RMSE به ترتیب برای مدل منحنی سنجه ۸۰/۰ و ۷۷/۵۵۸۶۳، مدل شبکه عصبی ۹۸/۰ و ۲۸/۱، مدل درخت تصمیم ۹۶/۰ و ۵۶/۴۸۸۸۱ و مدل ماشین بردار پشتیبان ۹۹/۰ و ۶۹۹۸/۰ است. مقادیر به دست آمده نشان داد که ماشین بردار پشتیبان در مقایسه با روشهای نامبرده، تطابق بسیار بیشتری با مقادیر اندازهگیری شده داشته است.کلیدواژه ها
Artificial Neural Network, Decision Tree, Sediment Rating Curve, Suspended Load, Support Vector Machine, : بار رسوب معلق, درخت تصمیم, شبکه عصبی مصنوعی, ماشین بردار پشتیبان, منحنی سنجه رسوباطلاعات 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.