تخمین اسیب پذیری دشت ملکان با استفاده از روش Random ForeSt

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 632

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IAGC02_216

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

با توجه به نیاز روزافزون بشر به آب زیرزمینی، خصوصاً در مناطق خشک مانند ایران و نیز با توجه به نفوذ آلاینده ها، حفاظت از منابع آب زیرزمینی امری ضروری می باشد. در این راستا، ابتدا باید مناطق آسیب پذیر شناسایی شده و سپس مدیریت بهینه این مناطق صورت پذیرد. منطقه ملکان، واقع در شمال غرب کشور، یکی از مناطق بسیار فعال در بخش کشاورزی است که بخش اعظم نیاز آبی آن از منابع آب زیرزمینی تأمین می شود و در سالهای اخیر با مشکل تنزل کیفی آب زیرزمینی مواجه شده است. این پدیده معمول در سطح کشور موجب نگرانی مسئولین و کشاورزان منطقه شده و مدیریت این منابع را اجتناب ناپذیر کرده است. در مطالعه حاضر روشی (Random Forest(RF که یک روش یادگیری مبتنی بر دسته ای از درخت های تصمیم است، برای ارزیابی آسیب پذیری آبخوان پیشنهاد شده است. روش RF نسبت به روشهای دیگر دارای مزایایی مانند دقت پیشبینی بالا، توانایی در یادگیری روابط غیر خطی و توانایی بالا در تعیین متغیرهای مهم در پیش بینی میباشد و تاکنون در زمینه آسیب پذیری استفاده نشده است. در این مقاله، عملکرد روش RF برای مدلسازی پیش بینی آلودگی نیترات آبخوان دشت ملکان با استفاده از روش آسیب پذیری در استیک، مورد ارزیابی قرار گرفته است. براساسی مدل ارائه شده به ترتیب با RMSE و AUC برابر ۰٫۰۲۵۵۱ و ۰٫۹۴۳، حدود ۲۴ درصد از دشت مورد نظر در زون آسیب پذیری بالاتر، ۵۱ درصد از منطقه در زون آسیب پذیری متوسط، ۱۸ درصد منطقه مربوط به آسیب پذیری پایین و ۷درصد منطقه در زون با آسیب پذیری خیلی پایین قرار داد.

نویسندگان

حسین نوروزی قوشبلاغ

دانشگاه تبریز،هیدروژئولوژی، تبریز،ایران

عطاالله ندیری

دانشگاه تبریز،هیدروژئولوژی،تبریز ،ایران

اصغر اصغری مقدم

دانشگاه تبریز،هیدروژئولوژی،تبریز،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 :
  • Antonakos, A.K., N.J. Lambrakis, 2007. Development and testing of three ...
  • Bellman, R. 2003. Dynamic programming. Mineola, NY: Dover Publications; 366 ...
  • Booker, D.J, T.H. Snelder. 2012. Comparing methods for estimating flow ...
  • Breiman, L. 1984. Classification and regression trees. Chapman & Hall/CRC ...
  • Critto, A., C. Carlon, A. Marcoin. 2003. Char acterization of ...
  • Guo. L.. N. Chehata. C. Mallet, S. Boukir. 2011. Relevance ...
  • Ko, B.. J. Gim, J. Nam. 2011. Cell image classification ...
  • Peters, J., B. D. Baets, N.E.C. Verhoest, R. Sanson. S. ...
  • Rodriguez-Gali ano, V.F.. B. Ghimire, J. Rogan, M. Chica-Olmo. J.P ...
  • Thapinta.A.. P. Hudak. 2003. Usee of geographic information systems for ...
  • Tilahun. K.. B.J. Merkel. 2010. Assessment of Groundwater Vulnerability to ...
  • نمایش کامل مراجع