ارزیابی مدل های هوشمندGPR-PSO و KNN-PSO در برآورد توزیع غلظت رسوبات معلق
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 56، شماره: 3
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 113
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-56-3_008
تاریخ نمایه سازی: 10 خرداد 1404
چکیده مقاله:
توزیع عمودی غلظت رسوبات معلق یکی از اساسی ترین پارامترها در هیدرولیک انتقال رسوبات در رودخانه ها محسوب می شود. این پارامتر نقش مهمی در محاسبه دبی کل رسوبات در کانال ها و رودخانه ها دارد. به همین دلیل اندازه گیری دقیق این پارامتر همواره یکی از اهداف پژوهشگران بوده است. یکی از راه های برآورد دقیق این پارامتر، استفاده از مدل های هوشمند است. برای این منظور، در این تحقیق برای پیش بینی توزیع غلظت رسوبات (C/Ca)، چهار مدل داده کاوی KNN، KNN-PSO، GPR، GPR-PSO استفاده شده است. تمامی مدل ها در محیط نرم افزار MATLAB کدنویسی شدند. با توجه به نتایج مشخص شد که بهینه سازی انجام شده بر روی مدل KNN و GPR تاثیر گذار بوده و سبب افزایش عملکرد (دقت) این مدل ها شده است. با مقایسه بین مدل ها، نشان داده شد که مدل GPR-PSO دقت بیشتری نسبت به سایر مدل ها دارد. دقت این مدل در مرحله آموزش برابر با ۰۲۹۷/۰ = RMSE، ۹۸۷۸/۰ = R۲ و ۹۷۷۶/۰ = KGE بوده و در مرحله آزمون برابر با ۰۲۲۶/۰ = RMSE، ۹۹۰۷/۰ = R۲ و ۹۷۱۵/۰ = KGE است. از لحاظ دقت، بعد از GPR-PSO، مدل KNN-PSO با ۰۲۹۵/۰ = RMSE، ۹۸۷۰/۰ = R۲ و ۹۸۶۴/۰ = KGE در مرحله آموزش و ۰۳۷۴/۰ = RMSE، ۹۸۰۸/۰ = R۲ و ۹۵۶۹/۰ = KGE در مرحله آزمون قرار گرفت. پس از مدل های یادشده، GPR و KNN قرار گرفتند. همچنین با تحلیل نتایج مشخص شد که دو پارامتر y/D و y/a، مهم ترین پارامترها در تعیین نتایج دقیق تر هستند.
کلیدواژه ها:
نویسندگان
محسن نصرآبادی
گروه علوم و مهندسی آب، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران
یاسر مهری
گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
علی عبدالرزاق صبار
گروه علوم و مهندسی آب، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران.
محمدجواد نحوی نیا
گروه علوم و مهندسی آب، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، 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 :