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

  • سال انتشار: 1400
  • محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 52، شماره: 2
  • کد COI اختصاصی: JR_IJSWR-52-2_002
  • زبان مقاله: فارسی
  • تعداد مشاهده: 283
دانلود فایل این مقاله

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

چکیده

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.

کلیدواژه ها

Rainfall-runoff, Data Mining, Minab watershed, sea surface temperature, Persian Gulf

اطلاعات 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.