امکان سنجی کاربرد روش های داده کاوی در تخمین طبقه کیفی آب رودخانه آجی چای
محل انتشار: فصلنامه دانش آب و خاک، دوره: 26، شماره: 8
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 198
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-26-8_003
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
دسترسی به منابع آب پاک و با کیفیت یکی از دغدغه های اساسی انسان از دیرباز بوده است. از این رو تعیین کیفیت آب برای مصارف مختلف از جمله آبیاری در مناطق مختلف بسیار ضروری می باشد. در این تحقیق، ابتدا کیفیت آب آبیاری در رودخانه آجی چای در ۴ ایستگاه آخولا، ارزنق، مرکید و ونیار توسط دیاگرام USSL طبقه بندی شد. سپس امکان استفاده از روش های طبقه بندی کننده بردار پشتیبان، K-نزدیک ترین همسایگی و شبکه عصبی مصنوعی در تخمین طبقه کیفی آب با استفاده از پارامترهای هیدروشیمیایی مختلف مورد سنجش قرار گرفت. ارزیابی عملکرد روش های داده کاوی نشان دهنده دقت بالا و عملکرد بسیار مناسب این روش ها در تعیین طبقه کیفی آب می باشد. در این تحقیق بر اساس آماره های کاپا و نرخ خطا، روش های مورد استفاده از نظر دقت عملکرد رتبه بندی گردید. با بررسی دقیق نتایج مشاهده گردید که روش طبقه بندی کننده بردار پشتیبان که با بهره گیری از توابع کرنل توانایی بالایی در حل مسائل مختلف دارد، با میانگین رتبه ۲۵/۱ به عنوان کارامدترین روش داده کاوی و پس از آن روش K-نزدیک ترین همسایگی با میانگین رتبه ۷۵/۱ و شبکه عصبی مصنوعی با میانگین رتبه ۲ به عنوان روش هایی مناسب جهت تعیین طبقه کیفی آب می باشند.
کلیدواژه ها:
K-نزدیک ترین همسایگی ، دیاگرام USSL ، شبکه عصبی مصنوعی ، طبقه بندی کیفیت آب ، طبقه بندی کننده بردار پشتیبان
نویسندگان
محمدتقی ستاری
۱- استداریار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
علی رضازاده جودی
دانش آموخته کارشناسی ارشد عمران-آب، باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران
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 :