مدل سازی بارش- رواناب آبخیزهای مناطق ساحلی در نزدیکی تنگه هرمز با استفاده از روش های داده کاوی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 15 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_IJSWR-52-2_002

تاریخ نمایه سازی: 31 اردیبهشت 1402

چکیده مقاله:

برآورد رواناب ناشی از وقوع بارندگی، گامی بسیار مهم در برنامه ریزی منابع آب به­ویژه در آبخیزهای فاقد ایستگاه­های هیدرومتری است. بنابراین پژوهش در ارتباط با مدل هایی که بتواند در این حوضه ها و با کمترین خطا، جریان رودخانه را شبیه سازی نمایند یک ضرورت اجتناب ناپذیر است. در این مطالعه به شبیه سازی بارش- رواناب آبخیز سد استقلال میناب با استفاده از روش های داده کاوی و مقایسه عملکرد آنها و ارائه مناسب ترین مدل بارش- رواناب برای این منطقه پرداخته شد. برای این منظور از هشت مدل داده­کاوی شامل الگوریتم جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی، مدل الگوریتم های ارتقای شدید گرادیان، مدل درختی M۵، مدل اسپلاین چند متغیره رگرسیون انطباقی، مدل فرایند گوسی، مدل بیزی جمعی رگرسیون درختی استفاده گردید. به منظور ارزیابی مدل های مورداستفاده در این تحقیق از معیارهای ارزیابی ضریب تعیین، ریشه میانگین مربعات خطا و میانگین خطای مطلق و همچنین نمودار تیلور استفاده شده است . نتایج  نشان داد که  مدل اسپلاین چند متغیره رگرسیون انطباقی، بهترین عملکرد را در بین مدل ها برای شبیه سازی دبی ماهانه آبخیز مورد مطالعه داشته است. مدل ماشین بردار پشتیبان نیز با مقدار خطای جذر میانگین مربعات (RSME) برابر ۷۳/۷ مترمکعب در ثانیه عملکرد مناسبی داشته است. بقیه مدل ها نیز عملکرد نسبتا نزدیک به هم داشته اند، به طوری که مدل الگوریتم های ارتقای شدید گرادیان با مقدار ۹۸/۹ مترمکعب در ثانیه بالاترین و مدل اسپلاین چند متغیره رگرسیون انطباقی با مقدار ۷/۷ مترمکعب در ثانیه کمترین مقدار RMSE را داشته اند. در ادامه با وارد نمودن مقادیر دمای سطح دریا خلیج فارس (PGSST) به فرایند شبیه سازی به بررسی اثر این پارامتر بر نتایج شبیه سازی پرداخته شد. نتایج نشان داد که مقادیر PGSST موجب بهبود نتایج شبیه سازی رواناب در منطقه مورد مطالعه نگردید.

نویسندگان

مجتبی محمدی

PhD Student, Department of Natural Resources Engineering, University of Hormozgan, Bandar-Abbas, Hormozgan, Iran

حسن وقارفرد

- Associate Professor, Department of Natural Resources Engineering, University of Hormozgan, Bandar-Abbas, Hormozgan, Iran

رسول مهدوی نجف آبادی

Associate Professor, Department of Natural Resources Engineering, University of Hormozgan, Bandar-Abbas, Hormozgan, Iran

پیمان دانش کار آراسته

Associate Professor, Water Sciences and Engineering Department, Faculty of Agriculture and Natural Resources, Imam Khomeini International University, Qazvin, Iran

سید محمد جعفر ناظم السادات

Professor, Water Engineering Department, College of Agriculture, Shiraz University, Shiraz, Iran

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 :
  • Ahmadi, F. (۲۰۱۹). Evaluation of Support Vector Machine and Adaptive ...
  • Aleotti, P., and Chowdhury, R. (۱۹۹۹). Landslide hazard assessment: summary ...
  • Ångström, A., (۱۹۳۵). Teleconnections of Climatic Changes in Present Time. ...
  • Bayat varkashi, M. and Gheysari, P. (۲۰۱۸). The Effect of ...
  • Bhattacharya, B., and Solomatine, D. P. (۲۰۰۵). Neural networks and ...
  • Breiman, L. (۲۰۰۱). Random forests. Machine learning, ۴۵(۱), ۵-۳۲ ...
  • Bui, D. T., Pradhan, B., Lofman, O., Revhaug, I., and ...
  • Chemura, A., Rwasoka, D., Mutanga, O., Dube, T., and Mushore, ...
  • Chen, T., and Guestrin, C. (۲۰۱۶, August). Xgboost: A scalable ...
  • Chen, T., Wang, X., Chu, Y., Wei, D.-Q., and Xiong, ...
  • doi: ۱۰.۱۱۰۱/۲۰۲۰.۰۶.۱۸.۱۵۸۲۵۳Chen, W., Li, Y., Xue, W., Shahabi, H., Li, ...
  • Chiew, F.H.S., Piechota, T.C., Dracup, J.A. and Mcmahon, T.A., (۱۹۹۸). ...
  • Dastorani, M. T., Mahjoobi, J., Talebi, A., and Fakhar, F. ...
  • Drobinski, P., Silva, N.D., Panthou, G., Bastin, S., Muller, C., ...
  • Eini, M., Kaboli, H. S., Rashidian, M., and Hedayat, H. ...
  • Etemad-Shahidi, A., and Bonakdar, L. (۲۰۰۹). Design of rubble-mound breakwaters ...
  • Etemad-Shahidi, A., and Taghipour, M. (۲۰۱۲). Predicting longitudinal dispersion coefficient ...
  • Evans, M.N., Fairbanks, R.G. and Rubenstone, J.L. (۱۹۹۸). A proxy ...
  • Nature, ۳۹۴(۶۶۹۵): ۷۳۲-۷۳۳ ...
  • Farmer, W. H., and Vogel, R. M. (۲۰۱۶). On the ...
  • Fausett, L. (۱۹۹۴). Fundamentals of neural networks: architectures, algorithms, and ...
  • Friedman, J. H. (۱۹۹۱). Multivariate adaptive regression splines. The annals ...
  • Friedman, J. H. (۲۰۰۱). Greedy function approximation: a gradient boosting ...
  • Gholami, H., Mohamadifar, A., and Collins, A. L. (۲۰۲۰). Spatial ...
  • Ghorbani, K., Sohrabian, E. and Salarijazi, M. (۲۰۱۶). Evaluation of ...
  • Guan, H., He, X. and Zhang, X. (۲۰۱۵). A comprehensive ...
  • He, X. and Guan, H. (۲۰۱۳). Multiresolution analysis of precipitation ...
  • Hornik, K., Buchta, C., Hothorn, T., Karatzoglou, A., Meyer, D., ...
  • Hosseini, F., Karimi, O. and Hamedi, F. (۲۰۱۹). Survival Analysis ...
  • Iorgulescu, I., and Beven, K. J. (۲۰۰۴). Nonparametric direct mapping ...
  • Jansa, A., Alpert, P., Arbogast, P., Buzzi, A., Ivancan-Picek, B., ...
  • Kapelner, A., and Bleich, J. (۲۰۱۳). bartMachine: Machine learning with ...
  • Karatzoglou, A., Smola, A., Hornik, K., and Karatzoglou, M. A. ...
  • Khosravi, K., Cooper, J. R., Daggupati, P., Pham, B. T., ...
  • Kirono, D.G.C., Chiew, F.H.S. and Kent, D.M. (۲۰۱۰). Identification of ...
  • Kumar, A., Kumar, P., and Singh, V. K. (۲۰۱۹). Evaluating ...
  • Liaw, A., and Wiener, M. (۲۰۰۲). Classification and regression by ...
  • Luce, C. (۲۰۱۴). Runoff Prediction in Ungauged Basins: Synthesis Across ...
  • Marjanović, M., Kovačević, M., Bajat, B., and Voženílek, V. (۲۰۱۱). ...
  • Mekanik, F., Imteaz, M.A. and Talei, A., (۲۰۱۵). Seasonal rainfall ...
  • Nazemosadat, M. J., Cordery, I., and Eslamian, S, (۱۹۹۵). The ...
  • Nazemosadat, M. J., Ghaedamini, H. and Tavakoli, M. (۲۰۱۴). Investigating ...
  • Niu, W. J., Feng, Z. K., Zeng, M., Feng, B. ...
  • Nobre, J., and Neves, R. F. (۲۰۱۹). Combining principal component ...
  • Nohegar, A., Ghashghaeizadeh, N., Heydarzadeh, M., Eydoon, M. and Pannahi, ...
  • O'Hagan, A. (۱۹۷۸). Curve fitting and optimal design for prediction. ...
  • Panahi, M., Gayen, A., Pourghasemi, H. R., Rezaie, F., and ...
  • Peddle, D. R., Foody, G. M., Zhang, A., Franklin, S. ...
  • Peters, D.L., Atkinson, D., Monk, W.A., Tenenbaum, D.E. and Baird, ...
  • Pourghasemi, H. R., and Rahmati, O. (۲۰۱۸). Prediction of the ...
  • Pourghasemi, H.R., Yousefi, S., Kornejady, A., Cerda, A. (۲۰۱۷). Performance ...
  • Quinlan, J. R. (۱۹۹۲, November). Learning with continuous classes. In ...
  • Rasmussen, C. E., and Williams, C. K. (۲۰۰۶). Gaussian Processes ...
  • Razavi, T., and Coulibaly, P. (۲۰۱۳). Streamflow prediction in ungauged ...
  • Riad, S., Mania, J., Bouchaou, L., Najjar, Y., (۲۰۰۴). Rainfall-runoff ...
  • Rodriguez-Galiano, V. F., Ghimire, B., Rogan, J., Chica-Olmo, M., and ...
  • Rodriguez-Galiano, V., Sanchez-Castillo, M., Chica-Olmo, M., and Chica-Rivas, M. J. ...
  • Rodriguez-Galiano, V., and Gianola, D. (۲۰۲۰). Package ‘brnn’ version ۰.۸. ...
  • Sattari, M., Pourazad, M. and Najafabadi, R. (۲۰۱۶). Technical Note: ...
  • Sezen, C., Bezak, N., Bai, Y., and Šraj, M. (۲۰۱۹). ...
  • Shawe-Taylor, J., and Cristianini, N. (۲۰۰۰). An introduction to support ...
  • Shortridge, J. E., Guikema, S. D., and Zaitchik, B. F. ...
  • Sobolowski, S. and Frei, A. (۲۰۰۷). Lagged relationships between North ...
  • Taylor, K. E. (۲۰۰۱). Summarizing multiple aspects of model performance ...
  • Vapnik, V. (۱۹۹۸). Statistical Learning Theory John Wiley. New York ...
  • Vapnik, V. N. (۲۰۰۰). Direct methods in statistical learning theory. ...
  • Wang, J., Wang, X., Lei, X-h., Wang, H., Zhang, X-h., ...
  • Worland, S. C., Farmer, W. H., and Kiang, J. E. ...
  • Wu, X., Ren, F., and Niu, R. (۲۰۱۴). Landslide susceptibility ...
  • Yang, C. C., Prasher, S. O., Lacroix, R., and Kim, ...
  • Yaseen, Z. M., El-Shafie, A., Jaafar, O., Afan, H. A., ...
  • Yaseen, Z. M., Kisi, O., and Demir, V. (۲۰۱۶). Enhancing ...
  • Zahiri, J., and Nezaratian, H. (۲۰۲۰). Estimation of transverse mixing ...
  • Zema, D. A., Lucas-Borja, M. E., Fotia, L., Rosaci, D., ...
  • نمایش کامل مراجع