تعیین پتانسیل آب زیرزمینی با استفاده مدل های یادگیری ماشین جمعی در بستر GIS (مطالعه موردی: دشت بیرجند)
- سال انتشار: 1401
- محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 16، شماره: 1
- کد COI اختصاصی: JR_IDJ-16-1_012
- زبان مقاله: فارسی
- تعداد مشاهده: 227
نویسندگان
دانش آموخته کارشناسی ارشد، گروه مهندسی نقشه برداری، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران
کارشناس ارشد مهندسی عمران آب و سازه های هیدرولیکی، عضو باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی ، مشهد، ایران
دانشیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، ایران
دانش آموخته کارشناسی ارشد، گروه آب و سازه های هیدرولیکی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
چکیده
پیش بینی پتانسیل آب های زیرزمینی جهت توسعه و برنامه ریزی سیستماتیک منابع آب بسیار بااهمیت است. هدف اصلی این مطالعه، توسعه مدل های یادگیری ماشین جمعی شامل جنگل تصادفی (RF)، رگرسیون منطقی (LR) و بیز ساده (NB) توسط الگوریتم طبقه بندی کننده زیرفضای تصادفی (RS)، جهت پیش بینی مناطق بالقوه آب زیرزمینی در دشت بیرجند می باشد. لذا جهت پیاده سازی، داده های ژئوهیدرولوژیکی ۳۷ حلقه چاه آب زیرزمینی (تعداد چاه ها، موقعیت مکانی چاه ها و تراز آب زیرزمینی یا سطح ایستابی) و ۱۷ معیار هیدرولوژی، توپوگرافی، زمین شناسی و محیطی مورداستفاده قرار گرفت. روش انتخاب ویژگی کمترین مربعات ماشین بردار پشتیبان (LSSVM) جهت تعیین معیارهای موثر به منظور افزایش عملکرد الگوریتم های یادگیری ماشین استفاده شد. در نهایت نقشه های پیش بینی پتانسیل آب زیرزمینی با استفاده از مدل های RF-RS، LR-RS و NB-RS تهیه شدند. عملکرد این مدل ها با استفاده از سطح زیر منحنی (AUC) و سایر شاخص های آماری مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل ترکیبی RF-RS (۸۶۷/۰ =AUC) قابلیت پیش بینی بسیار بالایی برای پتانسیل آب زیرزمینی در منطقه موردمطالعه دارد. هم چنین مشخص شد که معیار ارتفاع بیشترین اهمیت را در پیش بینی پتانسیل آب زیرزمینی در منطقه موردمطالعه دارد. نتایج مطالعه حاضر می تواند جهت اتخاذ تصمیمات و برنامه ریزی مناسب در استفاده بهینه از منابع آب زیرزمینی مفید باشد.کلیدواژه ها
پتانسیل آب زیرزمینی, جنگل تصادفی, رگرسیون منطقی, بیز ساده, زیرفضای تصادفیاطلاعات 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.