پیش بینی کیفیت آب های سطحی با استفاده از روش درخت تصمیم

سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 354

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WATER-4-3_008

تاریخ نمایه سازی: 4 اسفند 1400

چکیده مقاله:

با توجه به کمبود منابع آب های سطحی در ایران توجه به کیفیت آب و اتخاذ تمهیداتی در راستای جلوگیری از آلودگی منابع آب شیرین ضروری است. توسعه پایدار کشاورزی بدون در نظر گرفتن کیفیت شیمیایی آب های سطحی غیرممکن است. کنترل کیفیت آب از موضوعات مورد توجه در برنامه­ریزی آبیاری اراضی کشاورزی می باشد. از آنجائیکه پایش و ارزیابی کیفت آبهای سطحی پرهزینه و زمان بر می باشد، بنابراین، یافتن روشی ارزان، آسان و نسبتا دقیق که در آن با حداقل پارامترهای هیدروشیمیایی بتوان طبقه کیفیت آب را پیش بینی نمود، بسیار مفید می باشد. درخت تصمیم جزو روش های نوین داده کاوی بوده که با بهره گیری از یک ساختار درختی داده ها را طبقه بندی نموده و ضمن استخراج الگوها و قوانین موجود در بین داده ها به منظور پیش بینی به کار می رود. در این مقاله با استفاده از روش تصمیم گیری درختی کیفیت آب برخی از رودخانه های واقع در دامنه های جنوبی کوه سهند در محل ایستگاه های هیدرومتری چکان، قیرمیزی گ‍ول، شیشوان، تازه کند مراغه و مغانجیق مورد بررسی قرار گرفت و برای هریک از رودخانه طبقه کیفیت آب با استفاده از قوانین اگر-آنگاه توسعه داده شد. نتایج بدست آمده از مدل نشان داد که روش تصمیم گیری درختی قادر است با استفاده از کمترین تعداد پارامتر هیدروشیمیایی طبقه کیفیت آب را با دقت بسیار بالایی تعیین کند.

نویسندگان

محمد تقی ستاری

استادیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه تبریز

مهدی عباسقلی نایب زاد

کارشناسی ارشد مهندسی عمران، دانشگاه آزاد مراغه

رسول میرعباسی نجف آبادی

منابع آب، گروه مهندسی آب دانشکده کشاورزی، دانشگاه شهرکرد،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • حاجیان نژاد م. و ا.ر. رهسپار. ۱۳۸۹. بررسی تاثیر روان ...
  • رحمانی ع. ر.، م.ت. صمدی و م. حیدری. ۱۳۸۷. ارزیابی ...
  • سلاجقه ع.، س. رضوان زاده، ن. ا. خراسانی، م. حمیدی ...
  • علیایی ا.، ح. بانژاد، م.ت. صمدی، ع.ر. رحمانی. و م.ح. ...
  • گلجان ف.، ع. ر. کرباسی، ن. حاجی زاده ذاکر و ...
  • Mirabbasi, R., Mazloumzadeh, S.M., & Rahnama, M.B., (۲۰۰۸). Evaluation of ...
  • Quinlan, J.R. (۱۹۹۳). C۴.۵ Programs for machine learning, Morgan, Kaufmann, ...
  • Quinlan, J.R. (۲۰۰۰). Data mining tools See۵ and C۵.۰ [cited ...
  • Santos, M.F., Cortez, P., Quintela, H., Neves, J., Vicente, H. ...
  • U.S. Salinity Laboratory Staff, (۱۹۵۴). Diagnosis and improvement of saline ...
  • Wilcox, L.V. (۱۹۵۵). Classification and use of irrigation waters: U.S. ...
  • Yahya, S.M., Rahman, A.U., Abbasi, H.N. (۲۰۱۲). Assessment of seasonal ...
  • نمایش کامل مراجع