ارزیابی الگوریتم های داده کاوی در بررسی و پیش بینی وضیعت آبخوان دشت قزوین
- سال انتشار: 1396
- محل انتشار: مجله هیدروژئولوژی، دوره: 2، شماره: 2
- کد COI اختصاصی: JR_HYDTR-2-2_006
- زبان مقاله: فارسی
- تعداد مشاهده: 290
نویسندگان
دانشجوی دکتری دانشگاه زابل
استادیار گروه آب، دانشکده آب و خاک، دانشگاه زابل
دانشیار مهندسی گروه آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی دانشگاه تهران
استادیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه زنجان
چکیده
با توجه به افزایش جمعیت و توسعه کشاورزی پیش بینی وضعیت آبخوان و همچنین شناسایی عوامل تاثیرگذار بر آن از اهمیت زیادی برخوردار می شود. در این تحقیق با استفاده از سه الگوریتم نرم افزار داده کاوی SPSS Modeler IMB به کشف مدل ها و الگوهای موثر بر پیش بینی وضیعت آبخوان پرداخته شد. همچنین از عوامل انسانی و طبیعی تاثیرگذار بر پیش بینی مقدار تغییرات آبخوان دشت قزوین از سال ۱۳۸۰ تا ۱۳۹۴ به عنوان متغیرهای ورودی استفاده شد. مقدار صحت بین الگوریتم های اجرا شده CHAID، CART و CVM به ترتیب برابر با مقدار ۶۷/۰، ۷۵/۰ و ۷۴/۰ به دست آمد. مقادیر به دست آمده برای شاخص های حساسیت، شفافیت، صحت، نرخ مثبت غلط، نرخ منفی غلط، شاخص F، میانگین هندسی و نرخ خطا برای مدل درخت تصمیم CART نشان دهنده عملکرد بهتر این الگوریتم نسبت به سایر الگوریتم ها بود. قوانین استخراج شده توسط درخت تصمیم CART نشان داد که بیشترین تاثیر روی تغییرات عمق آبخوان به ترتیب مقدار دما و تبخیر و تعرق و تقاضای آب کشاورزی می باشد. از این رو مدل ارائه شده به پیش بینی مقدار نوسانات عمق آبخوان و نیز مدیریت صحیح آبخوان که منجر به کاهش اثرات ناشی از افت می شود، کمک می کند.کلیدواژه ها
تبخیر و تعرق, تقاضای آب کشاورزی, درخت تصمیم, دما, مدیریتاطلاعات 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.