مکان یابی سازه های آبخیزداری با استفاده از مدل یادگیری ماشین در حوزه آبخیز دهدر

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 196

فایل این مقاله در 16 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_IWM-4-3_002

تاریخ نمایه سازی: 2 آذر 1403

چکیده مقاله:

چکیده مبسوط مقدمه: فرسایش خاک و بحران آب از مهم ترین تهدیداتی است که امنیت آب وخاک کشور را به خطر انداخته است. به منظور حل این مشکلات، اقدامات حفاظت خاک و آب در حال انجام است. مهم ترین مرحله اقدامات سازه ای آبخیزداری، شناسایی درست مکان های موردنیاز جهت اجرای این طرح ها است. مکان یابی صحیح سازه های آبخیزداری، تاثیر فراوانی در کاهش هزینه فعالیت های آبخیزداری و افزایش اثربخشی دارد. مکان یابی با تکیه بر روش های سنتی با توجه به حجم لایه های اطلاعاتی و لزوم تلفیق و تحلیل آن ها، دشوار بوده و ضمن صرف وقت و هزینه زیاد، ممکن است موجب بروز خطا گردد. ازجمله روش های نوین و با کارایی زیاد روش های داده کاوی مبتنی بر کیفیت و کمیت داده ها بوده و مبتنی بر یادگیری ماشین (Machine Learning) است. در این پژوهش از مدل حداکثر آنتروپی به منظور مکان یابی سازه های آبخیزداری در حوزه آبخیز دهدر طالقان استفاده شد. مواد و روش ها: حوزه آبخیز دهدر طالقان با مساحت ۴۷۸۰ هکتار در شمال استان البرز واقع شده است. ارتفاع از سطح دریا از بلندترین نقطه با ارتفاع ۴۰۵۰ متر تا خروجی حوزه با ارتفاع ۲۲۴۸ متر متغیر است. برای انجام این تحقیق، ابتدا بر اساس بانک اطلاعاتی سازه­های اجراشده موجود در اداره کل منابع طبیعی و آبخیزداری استان البرز و کتابچه سازه های مکانیکی مطالعات تفصیلی-اجرایی، محل سازه های اجراشده و پیشنهادی (مطالعات تفصیلی-اجرایی) استخراج گردید. در تحقیق حاضر جهت تعیین مناطق مناسب سازه­های آبخیزداری از ۱۴ عامل موثر در جانمایی سازه­ها شامل مدل رقومی ارتفاعی، شیب، فاصله از آبراهه، جاده و گسل، تراکم آبراهه، جاده و گسل، سنگ­شناسی (لیتولوژی)، کاربری اراضی، شاخص قدرت آبراهه، رتبه آبراهه، تجمع جریان و بارندگی استفاده شده است. بررسی عدم وجود هم خطی چندگانه با استفاده از عامل تورم واریانس (VIF) و شاخص­ ضریب تحمل (Tolerance) انجام شد. پس از بررسی عدم وجود هم خطی بین متغیرها، نقاط سازه های موجود، با استفاده از روش تصادفی به دو دسته داده های مدل سازی (آموزش، ۷۰ درصد) و داده های اعتبارسنجی (آزمون، ۳۰ درصد) تقسیم شدند. میزان اهمیت هر یک از متغیرهای بکار رفته در تبیین مدل با استفاده از مدل حداکثر آنتروپی و با استفاده از نمودار جکنایف (Jackknife) تعیین و انجام این فرآیند در نرم افزار MaxEnt انجام شد. در این پژوهش، کارایی مدل در مراحل آموزش و اعتبارسنجی با استفاده از منحنی تشخیص عملکرد گیرنده (ROC) و سطح زیر منحنی آن (AUC) ارزیابی شد. نتایج و بحث: نتایج نشان داد که بین عوامل هم خطی وجود ندارد و لذا کلیه عوامل در روند مدل­سازی مورد استفاده قرار گرفتند. نتایج حاصل از نمودار جکنایف نشان داد که به­ترتیب عوامل فاصله از آبراهه، شیب، تجمع جریان، رتبه آبراهه، ارتفاع، میانگین بارندگی و لیتولوژی مهم ترین عوامل تاثیرگذار بر جانمایی سازه­های آبخیزداری هستند و در پیش­بینی مناطق دارای پتانسیل احداث سازه تاثیرگذار بوده­اند. میزان دقت پیش­بینی مدل­ در هر دو بخش آموزش (۹۵۹/۰) و اعتبارسنجی (۹۶۱/۰) عالی بوده است. نتایج بازدیدهای میدانی نشان داد که در تمامی آبراهه­های موردبررسی، مدل به درستی و با دقت بسیار زیاد آبراهه­های بحرانی را به لحاظ آورد سیل و رسوب تشخیص داده است. درمجموع ۳/۳۰ کیلومتر آبراهه بحرانی و فوق بحرانی به لحاظ آورد سیل و رسوبات تشخیص داده شد. لذا در ادامه و در طی بازدیدهای مختلف تعداد ۱۱ سازه آبخیزداری (۶ مورد سازه سنگ و ملات، ۵ مورد سازه گابیونی) در آبراهه های مورد بازدید جانمایی شد. لازم به ذکر است که میزان انطباق نقشه نهایی (مناطق بحرانی) و جانمایی سازه­های آبخیزداری شرکت­های مشاور در قالب مطالعات تفصیلی-اجرایی میزان ۹۲ درصد بوده است که دقت بالای مدل­های یادگیری ماشینی را نشان می­دهد. نتیجه گیری: در این پژوهش نقشه مناطق مناسب احداث سازه­های آبخیزداری حوزه آبخیز دهدر طالقان با در نظر گرفتن متغیرهای محیطی تاثیرگذار و با مدل حداکثر آنتروپی تهیه شد. منحنی ROC نشان داد که دقت مدل در برآورد کردن مناطق دارای پتانسیل احداث سازه­های آبخیزداری در مرحله آموزش و در مرحله اعتبارسنجی عالی بوده است که به معنای عملکرد عالی مدل است. بر اساس نتایج به دست آمده می­توان گفت که مدل MaxEnt توانایی زیادی در تعیین مناطق دارای پتانسیل احداث سازه­های آبخیزداری دارد. به دلیل سرعت و دقت زیاد مدل پیشنهاد می­شود که در پژوهش­های مشابه به خصوص در کشورهای درحال توسعه که با کمبود امکانات و منابع مالی مواجه هستند استفاده شود. ترکیب سیستم اطلاعات جغرافیایی با مدل­های نوین یادگیری ماشین به منظور تعیین مناطق دارای پتانسیل احداث سازه­ها مخصوصا در کشورهای درحال توسعه مثل ایران پیشنهاد می­گردد.

نویسندگان

مهدی تیموری

گروه مهندسی طبیعت، دانشکده کشاورزی شیروان، دانشگاه بجنورد، بجنورد، ایران

اصغر بیات

اداره کل منابع طبیعی و آبخیزداری استان البرز، کرج، ایران

علی شهبازی

اداره کل منابع طبیعی و آبخیزداری استان البرز، کرج، ایران

امید اسدی نلیوان

فارغ التحصیل دکتری آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، 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 :
  • Adiat, KAN., Nawawi, MNM. & Abdullah, K. (۲۰۱۲). Assessing the ...
  • Alocén, P., Fernández-Centeno, M. Á. & Toledo, M.Á. (۲۰۲۲). Prediction ...
  • Al-Ruzouq, R., Shanableh, A., Yilmaz, A. G., Idris, A., Mukherjee, ...
  • Azari, M. & Sepehri, A. (۲۰۱۸). A GIS-based Decision Support ...
  • Bihon, Y., Meshesha, M., Melese, D., Beyene, T., Kifle, T. ...
  • Chen, W., Hong, H. & Li, S. (۲۰۱۹). Flood susceptibility ...
  • Davoudi Moghaddam, D., Rahmati, O., Haghizadeh, A. & Kalantari, Z. ...
  • Du, G. L., Zhang, Y. S., Iqbal, J., Yang, Z. ...
  • Hagos, Y., Andualem, T., Mengie, M., Ayele, W. & Malede, ...
  • Jahangir, M. H., Reineh, S. M. M. & Abolghasemi, M. ...
  • Kanani-Sadat, Y., Arabsheibani, R., Karimipour, F. & Nasseri, M. (۲۰۱۹). ...
  • Khosravi, K., Shahabi, H., Pham, B. T., Adamowski, J., Shirzadi, ...
  • Kornejady, A., Ownegh, M. & Bahremand, A. (۲۰۱۷). Landslide susceptibility ...
  • Mahesh, B. (۲۰۲۰). Machine learning algorithms-a review. International Journal of ...
  • Mohammed, A., Pradhan, B., Mahmood, Q. (۲۰۱۹). Dam site suitability ...
  • Nachappa, T.G., Tavakkoli, S., Gholamnia, Kh. Ghorbanzadeh, O., Rahmati, O. ...
  • Phillips, S. J., Anderson, R. P. & Schapire, R.E. (۲۰۰۶). ...
  • Pourghasemi, H. R., Yousefi, S., Sadhasivam, N. & Eskandari, S. ...
  • Rahmati, O., Ghasemiyeh, H., Samadi, M., Kalantari, Z., Tiefenbacher, J., ...
  • Rahmati, O., Kalantari, Z., Samadi, M., Uuemaai, E., Moghaddam, D., ...
  • Santoso, I. & Darsono, S. (۲۰۱۹). Review of criteria on ...
  • Shao, Z., Jahangir, Z., Yasir, Q., Rahman, A. & Mahmood, ...
  • Souri, M., Tork, K. & Bazrafshan, O. (۲۰۱۶). VIKOR methods ...
  • Teimouri, M. & Asadi Nalivan, O. (۲۰۲۱). Determination of Groundwater ...
  • Tien Bui, D., Hoang, N.-D., Martínez-Álvarez, F., Ngo, P.-T.T., Hoa, ...
  • Yahya, F., Fazli, B., Sallehudin, H. & Mohd Jaya, M.I. ...
  • Zada, N., Javed, M., Ahmad, S. & Waleed, M. (۲۰۲۳). ...
  • Zare Bidaki, R., Moradi, B. & Bahrami, H. (۲۰۲۱). Locating ...
  • نمایش کامل مراجع