پیش بینی کیفیت آب زیرزمینی دشت خانمیرزا برای مصارف کشاورزی با استفاده از روش تصمیم گیری درختی

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 58

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_HYDTR-3-1_008

تاریخ نمایه سازی: 15 آذر 1401

Abstract:

آب زیرزمینی یکی از منابع مهم برای کشاورزی، شرب و صنعت در مناطق خشک و نیمه خشک به­شمار می­رود. بنابراین، مطالعه و مدیریت این منابع ارزشمند امری حیاتی می­باشد. به دلیل اینکه پایش و بررسی کیفیت آب­های زیرزمینی نیازمند صرف زمان و هزینه زیاد است، بنابراین یافتن روشی که بتوان با استفاده از آن و با تعداد پارامتر هیدروشیمیایی محدود، طبقه کیفیت آب را پیش­بینی نمود، موجب صرفه­جویی در زمان و هزینه خواهد شد. هدف از این مطالعه، پیش­بینی طبقه کیفی آب زیرزمینی دشت خانمیرزا بر اساس دیاگرام USSL با استفاده از روش تصمیم گیری درختی می­باشد. پارامترهای شیمیایی آب و همچنین بارش ماهانه و تجمعی به عنوان ورودی­های مدل استفاده شدند.بدین منظور از داده های کیفی ۱۹ حلقه چاه واقع در این دشت، در بازه زمانی ۹۰-۱۳۷۰ استفاده شد.نتایج به­دست آمده از مدل نشان داد روش تصمیم­گیری درختی قادر است تنها با استفاده از ۴ پارامتر هیدروشیمیایی (EC، Na، SAR و Cation) طبقه کیفیت آب را با دقت بسیار بالایی تعیین نماید.به عبارت دیگر، برای تشخیص کلاس کیفیت آب دشت خانمیرزا در آینده، اندازه­گیری این چهار پارامتر کافی می­باشد که این مسئله باعث کاهش قابل توجه هزینه­ها و زمان تحلیل آزمایش­ها می گردد.

Keywords:

Authors

زهرا حسنی

کارشناسی ارشد مهندسی منابع آب، دانشگاه شهرکرد.

رسول میرعباسی نجف آبادی

استادیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه شهرکرد.

احمدرضا قاسمی

استادیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه شهرکرد

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 :
  • ثاقبیان، م. ستاری، م. ت. و میرعباسی نجف آبادی، ر.۱۳۹۲. ...
  • ظهیری، ع. و قربانی، خ. ۱۳۹۲. شبیه­سازی دبی جریان در ...
  • محجوبی، ع. و تجریشی، م. ۱۳۸۹. مقایسه عملکرد الگوریتم های ...
  • Akyildz, I.F. Su, W. Sankarasubramaniam, Y. Cayirci, E. ۲۰۰۲. Wireless ...
  • Eisenberg, J.N.S. and Mc Kone, T.E. ۱۹۹۸. Decision tree method ...
  • Litaor, M.I. Brielmann, H. Reichmann, O. and Shenker, M. ۲۰۱۰. ...
  • Quinlan, J.R. ۱۹۹۳. C۴.۵ Programs for machine learning, Morgan, Kaufmann, ...
  • Quinlan, J.R. ۲۰۰۰. Data mining tools See۵ and C۵.۰ [cited ...
  • Rasekh, A. and Brumbelow, K. ۲۰۱۴. Drinking water distribution systems ...
  • Saghebian, S.M. Sattari, M.T. Mirabbasi, R. Pal, M. ۲۰۱۴. Ground ...
  • Sattari, M.T., Mahesh P. and Apaydin, H. ۲۰۱۳. M۵ model ...
  • Spruill, T.B. Showers, W.J. and Howe, S.S. ۲۰۰۲. Application of ...
  • Tapak, L. Rahmani, A.R. and Moghimbeigi, A. ۲۰۱۴. Prediction the ...
  • Witten, I.H. Frank, E. ۲۰۰۵. Data Mining: Practical Machine Learning ...
  • نمایش کامل مراجع