مقایسه الگوریتم تنبل و مدل M5 در برآورد تراز سطح ایستابی (مطالعه موردی دشت نیشابور)
عنوان مقاله: مقایسه الگوریتم تنبل و مدل M5 در برآورد تراز سطح ایستابی (مطالعه موردی دشت نیشابور)
شناسه ملی مقاله: JR_JWSS-21-3_002
منتشر شده در شماره ۳ دوره ۲۱ فصل پاییز در سال 1396
شناسه ملی مقاله: JR_JWSS-21-3_002
منتشر شده در شماره ۳ دوره ۲۱ فصل پاییز در سال 1396
مشخصات نویسندگان مقاله:
آتنا خلیلی نفت چالی - گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند
علی شهیدی - گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند
عباس خاشعی سیوکی - گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند
خلاصه مقاله:
آتنا خلیلی نفت چالی - گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند
علی شهیدی - گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند
عباس خاشعی سیوکی - گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه بیرجند
در سال های اخیر در بسیاری از کشورها برداشت آب منابع زیرزمینی از میزان تغذیه سالیانه آنها بیشتر بوده است. این امر باعث پایین افتادن سطح آب زیرزمینی و به دنبال آن خشک شدن چاه ها، قنات ها و چشمه شده است. در این تحقیق با توجه به اهمیت دشت نیشابور در تامین آب کشاورزی، شرب و صنعت منطقه، از الگوریتم های تنبل KSTAR،KNN و LWL و مدل درختی M5 تحت هفت سناریوی مختلف، برای برآورد تراز سطح ایستابی این آبخوان استفاده شده است. برای مقایسه نتایج، آماره های ریشه متوسط خطای مربعات ، ضریب همبستگی و متوسط قدر مطلق خطا مورد تحلیل قرار گرفت. نتایج نشان داد که سناریو f که شامل پار امترهای حجم آب تخلیه شده و مجموع بارندگی میباشد، به دلیل در نظر نگرفتن پارامتر تراز سطح زمین، کارایی کمتری دارد. در سناریوی b ،a و g با در نظر گرفتن پارامترهای مجموع بارندگی در ماه قبل، مجموع بارندگی در دو ماه قبل و تراز سطح زمین، برآورد مطلوب تری از تر از سطح ایستابی حاصل میشود. در بین مدلهای الگوریتم تنبل و مدل درخت تصمیم M5 توانایی مدل KNN تحت سناریوی a در ماه آذر با داشتن 0/96= Rz ؛ 6/56 = RMSE و 3/53 = MAE از سایر مدل ها بیشتر میباشد. همچنین بررسی معیارهای ارزیابی نشان داد که مدل LWL ، مدل مناسبی برای پیش بینی تراز سطح ایستابی نمی باشد.
کلمات کلیدی: الگوریتم تنبل، درخت تصمیم M5 ، تراز سطح ایستابی، دشت نیشابور
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/752684/