مقایسه ی شبکه ی عصبی مصنوعی پیش خور عمومی (GFF) و درخت تصمیم در پیش بینی شوری آب سطحی (مطالعه ی موردی رودخانه ی زرینه رود)

سال انتشار: 1394
محل انتشار: کنفرانس بین المللی معماری، شهرسازی، عمران، هنر و محیط زیست؛ افق های آینده، نگاه به گذشته
کد COI اختصاصی: ICAUCAE01_0540
زبان مقاله: فارسی
تعداد مشاهده: 504

نویسندگان

دانشجوی کارشناسی ارشد مهندسی عمران- آب، دانشگاه آزاد اسلامی، واحدمراغه، گروه عمران، مراغه، ایران

استادیار هیدرولوژی، دانشگاه آزاد اسلامی، واحدمیاندوآب، گروه عمران، میاندوآب، ایران

چکیده

اکثر مدل های موجود در زمینه ی پیش بینی و شبیه سازی شرایط موجود و آتی وضعیت کیفی رودخانه ها نیازمند پارامترهای ورودی بسیاری بوده که یا دسترسی به آن ها مشکل بوده و یا اینکه اندازه گیری آن ها محتاج صرف هزینه و زمان زیادی بوده است. در این میان ابزارهای داده کاوی با حداقل پارامترهای اندازه گیری شده و با دقت قابل قبولی، تغییرات متغیر مورد نظر را پیش بینی نموده است. در این تحقیق، عملکرد دو الگوریتم شبکه ی عصبی مصنوعی پیش خور عمومی (GFF) و درخت تصمیم در پیش بینی شوری آب سطحی رودخانه- ی زرینه رود مورد ارزیابی قرار گرفته است. داده های استفاده شده، مربوط به ایستگاه ساری قمیش در بازه ی سال های 1372 تا 1392، شامل دما، بارش، مجموع آنیون ها، تبخیر و تعرق به عنوان پارامترهای ورودی مدل ها و شوری (EC) پارامتر خروجی بوده است. مدل ها نشان داده که شبکه ی عصبی مصنوعی پیش خور عمومی با ضریب همبستگی 0/96دقت بالاتری نسبت به درخت تصمیم را دارا بوده است. به طور کل، استفاده از چنین الگوریتم هایی در پیش بینی تغییرات شوری دقت تصمیم گیری های مدیریتی را تا حد بسیار بالایی بهبود بخشیده است.

کلیدواژه ها

زرینه رود، شبکه ی عصبی، درخت تصمیم ، شوری

مقالات مرتبط جدید

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.