امکان سنجی کاربرد روش های داده کاوی در تخمین طبقه کیفی آب رودخانه آجی چای
Publish place: The Journal of Water and Soil، Vol: 26، Issue: 8
Publish Year: 1395
Type: Journal paper
Language: Persian
View: 263
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_WASO-26-8_003
Index date: 15 January 2023
امکان سنجی کاربرد روش های داده کاوی در تخمین طبقه کیفی آب رودخانه آجی چای abstract
دسترسی به منابع آب پاک و با کیفیت یکی از دغدغه های اساسی انسان از دیرباز بوده است. از این رو تعیین کیفیت آب برای مصارف مختلف از جمله آبیاری در مناطق مختلف بسیار ضروری می باشد. در این تحقیق، ابتدا کیفیت آب آبیاری در رودخانه آجی چای در ۴ ایستگاه آخولا، ارزنق، مرکید و ونیار توسط دیاگرام USSL طبقه بندی شد. سپس امکان استفاده از روش های طبقه بندی کننده بردار پشتیبان، K-نزدیک ترین همسایگی و شبکه عصبی مصنوعی در تخمین طبقه کیفی آب با استفاده از پارامترهای هیدروشیمیایی مختلف مورد سنجش قرار گرفت. ارزیابی عملکرد روش های داده کاوی نشان دهنده دقت بالا و عملکرد بسیار مناسب این روش ها در تعیین طبقه کیفی آب می باشد. در این تحقیق بر اساس آماره های کاپا و نرخ خطا، روش های مورد استفاده از نظر دقت عملکرد رتبه بندی گردید. با بررسی دقیق نتایج مشاهده گردید که روش طبقه بندی کننده بردار پشتیبان که با بهره گیری از توابع کرنل توانایی بالایی در حل مسائل مختلف دارد، با میانگین رتبه ۲۵/۱ به عنوان کارامدترین روش داده کاوی و پس از آن روش K-نزدیک ترین همسایگی با میانگین رتبه ۷۵/۱ و شبکه عصبی مصنوعی با میانگین رتبه ۲ به عنوان روش هایی مناسب جهت تعیین طبقه کیفی آب می باشند.
امکان سنجی کاربرد روش های داده کاوی در تخمین طبقه کیفی آب رودخانه آجی چای Keywords:
K-نزدیک ترین همسایگی , دیاگرام USSL , شبکه عصبی مصنوعی , طبقه بندی کیفیت آب , طبقه بندی کننده بردار پشتیبان
امکان سنجی کاربرد روش های داده کاوی در تخمین طبقه کیفی آب رودخانه آجی چای authors
محمدتقی ستاری
۱- استداریار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
علی رضازاده جودی
دانش آموخته کارشناسی ارشد عمران-آب، باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، 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 :