ارزیابی عملکرد روش های مدل درختی M۵ و رگرسیون بردار پشتیبان در مدل سازی رسوب معلق رودخانه
Publish place: Water and Soil Resources Conservation، Vol: 6، Issue: 1
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 236
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WSRCJ-6-1_009
تاریخ نمایه سازی: 4 آبان 1400
Abstract:
همواره پدیده انتقال رسوب، بسیاری از سازه های رودخانه ای و سازه های عمرانی را تحت تاثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب می شود. از این جهت برآورد صحیح بار رسوبی در رودخانه ها از نقطه نظر رسوب، فرسایش و کنترل سیلاب بسیار حایز اهمیت است. در این تحقیق، از دو روش نوین داده کاوی شامل مدل درختی M۵ و رگرسیون بردار پشتیبان برای برآورد بار رسوبی معلق رودخانه اهرچای در مقایسه با روش کلاسیک منحنی سنجه رسوب استفاده گردید. جهت ارزیابی عملکرد روش های استفاده شده از سه آماره شامل ضریب همبستگی، جذر میانگین مربعات خطا و میانگین خطای مطلق استفاده گردید. با انجام تحلیل حساسیت مدل ها به متغیر ورودی مشخص گردید، متغیر دبی جریان در ماه جاری دارای بیشترین تاثیر بر روی میزان بار رسوبی معلق می باشد. در حالت کلی نتایج بدست آمده بیانگر دقت بسیار بالای روش های داده کاوی نسبت به منحنی سنجه رسوب می باشد. اگرچه هر دو روش داده کاوی بررسی شده دقت بیشتر و خطای کمتری نسبت به روش متداول منحنی سنجه رسوب داشته اند، اما با توجه به روابط خطی ساده و قابل فهم ارائه شده توسط مدل درختی M۵، کاربرد این روش کارآمد در موارد مشابه توصیه می گردد.
Keywords:
Authors
محمدتقی ستاری
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
علی رضازاده جودی
باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران.
فروغ صفدری
دانش آموخته کارشناسی ارشد، مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تبریز
فراز قهرمانیان
دانش آموخته کارشناسی ارشد عمران-آب، دانشگاه آزاد اسلامی واحد اهر، اهر، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :