تعیین مناطق آسیب پذیر آبخوان دشت ملکان به نیترات با استفاده از روش جنگل تصادفی
Publish place: The Journal of Environmental Studies، Vol: 41، Issue: 4
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 179
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESJ-41-4_015
تاریخ نمایه سازی: 13 دی 1401
Abstract:
به دلیل وجود آنومالی نیترات در آب زیرزمینی دشت ملکان، ۲۷ نمونه از منابع آب زیرزمینی در شهریور سال ۱۳۹۳ جمع آوری و در آزمایشگاه آبشناسی دانشگاه تبریز تجزیه هیدروشیمیایی شد. در مطالعه حاضر روش جنگل تصادفی (RF)، که روشی یادگیری مبتنی بر دسته ای از درخت های تصمیم است، برای ارزیابی آسیب پذیری پیشنهاد شده است. روش RF نسبت به روش های دیگر دارای مزایایی مانند دقت پیش بینی بالا، توانایی زیاد در تعیین متغیرهای مهم در پیش بینی و ماهیت غیرپارامتری است. در این مقاله عملکرد روش RF برای مدل سازی پیش بینی آسیب پذیری ویژه آبخوان دشت ملکان با استفاده از چهار دسته از داده ها شامل مدل A با تمام متغیرها، مدل B با متغیرهای مربوط به خصوصیات آبخوان، مدل C با متغیرهای نیروهای محرک و مدل D با متغیرهای مربوط به روش دراستیک ارزیابی شد. مدل های A و B با کمترین MSE به ترتیب برابر ۰۱۲/۰ و ۰۱۳/۰ و بیشترین AUC به منزله روش های مناسب برای آسیب پذیری آب زیرزمینی به آلودگی نیترات انتخاب شدند و مدل های C و D با داشتن بیشترین MSE به ترتیب برابر با ۰۱۵/۰ و ۰۲۶/۰ و کمترین AUC به منزله روش های نامناسب شناخته شدند. مدل A که دقیق ترین مدل شناخته شد ۴۴ درصد از منطقه را در محدوده آسیب پذیری زیاد شناسایی کرد.
Keywords:
Authors
حسین نوروزی
کارشناسی ارشد هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز
اصغر اصغری مقدم
استاد هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز
عطاالله ندیری
استادیار هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز،
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 :