تعیین شدت بارندگی با استفاده از تجزیه و تحلیل فرکانس‎های صوتی حاصل از صدای برخورد قطرات باران

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 127

This Paper With 17 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_IJSWR-54-2_004

تاریخ نمایه سازی: 12 تیر 1402

Abstract:

اطلاع از شدت و مدت بارندگی می تواند در بسیاری از تحلیل های زیست محیطی از جمله برآورد فرسایندگی باران و فرسایش خاک مفید باشد. دستگاه‎های مختلفی برای ثبت شدت و مدت بارندگی وجود دارد. اما خرید و نگهداری آن ها هزینه بر بوده و اغلب نیاز به متصدی جهت مراقبت از آن ها دارد. تحقیق حاضر به امکان سنجی استفاده از تحلیل سیگنال های صوتی ناشی از برخورد قطرات با سطوح و اجسام موجود در طبیعت برای تعیین ثبت شدت و مدت بارندگی پرداخته است. برای این منظور در آزمایشگاه گروه علوم خاک دانشکده کشاورزی دانشگاه تبریز در سال ۱۴۰۰، باران سازهایی طراحی شد که باران هایی با شدت های متفاوت ایجاد نماید. سپس سیگنال های صوتی ناشی از برخورد قطرات باران با سینی فلزی که در زیر باران قرار داده شد، توسط رکودر ضبط و جهت پردازش به رایانه انتقال داده شد. سپس در نرم افزار MATLAB، اندازه فرکانسی فایل های صوتی استخراج گردید. نتایج نشان داد که با افزایش شدت بارندگی، دامنه صوتی و اندازه فرکانسی سیگنال های صوتی افزایش یافت. سپس اندازه های فرکانسی در نرم افزار SPSS به روش خوشه بندی دو مرحله ای به طور خودکار در دو خوشه قرار گرفته شد. سپس میانگین و انحراف معیار هر خوشه محاسبه شده و با توجه به همبستگی هر کدام با یکدیگر و با شدت بارندگی، و جهت جلوگیری از پدیده چند هم خطی شدن تنها از میانگین خوشه دوم به عنوان ورودی مدل های برنامه ریزی بیان ژن و رگرسیون خطی استفاده شد. جهت آزمون دقت و صحت نتایج حاصل از مدل ها، از آماره های ضریب تبیین (R۲)، ریشه میانگین مربعات خطا (RMSE)، میانگین هندسی نسبت خطا (GMER) و انحراف استاندارد هندسی نسبت خطا (GSDER) استفاده شد. مقادیر R۲، RMSE (mm/h)، GMER (mm/h) و GSDER (mm/h) برای مدل برنامه ریزی بیان ژن در داده های سری آموزش به ترتیب برابر ۹۷/۰، ۸۵/۱، ۱۱/۱ و ۰۹/۱ و برای داده های سری اعتبارسنجی به ترتیب برابر ۹۶/۰، ۰۵/۲، ۱۴/۱ و ۱۲/۱ بدست آمد. در حالی که مقادیر معیارهای فوق در مدل رگرسیونی، برای داده های سری آموزش به ترتیب برابر ۹۴/۰، ۷۴/۲، ۲۵/۱ و ۳۴/۱ و برای داده های سری اعتبارسنجی به ترتیب برابر ۹۲/۰، ۹۱/۲، ۲۸/۱ و ۳۷/۱ بدست آمد. نتایج آماره های فوق حاکی از دقت و صحت نسبتا بیشتر مدل برنامه ریزی بیان ژن نسبت به مدل رگرسیونی و بیش برآوردی و پخشیدگی نسبتا زیادتر داده های تخمینی مدل رگرسیونی نسبت به مدل برنامه ریزی بیان ژن می باشد.

Authors

حبیب پالیزوان زند

گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

عباس احمدی

عضو هیات علمی گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز، ایران

علی کدخدائی

عضو هیات علمی گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، 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 :
  • Ahmadi, A., Palizvan Zand., P. & Palizvan Zand, H. (۲۰۱۷). ...
  • Alinezhadi, M., Mousavi, S.F. & Hosseini, Kh. (۲۰۲۱). Comparison of ...
  • Beritelli, F., Capizzi, G., Sciuto, G.L., Napoli, C. & Scaglione, ...
  • Chiu, T., Fang, D., Chen, J., Wang, Y., & Jeris, ...
  • Cristiano, E., Veldhuis, M., Wright, D.B., Smith, J.A. & van ...
  • Dang, T.A. (۲۰۲۰). Simulating Rainfall IDF Curve for Flood Warnings ...
  • Hong, Y., Hsu, K.L., Sorooshian, S. & Gao, X. (۲۰۰۴). ...
  • Hudson, N.W. (۱۹۸۱). Soil conservation. Batsford. London, England ...
  • Jaleel, L.A. & Farawn, M.A. (۲۰۱۳). Developing rainfall intensity-duration-freqency relationship ...
  • Joyce, R., Janowiak, J., Arkin, Ph. & Xie, P. (۲۰۰۴). ...
  • Kizza, M., Westerberg, I., Rodhe, A. & Ntale, H.K. (۲۰۱۲). ...
  • Koza, J. (۱۹۹۲). Genetic Programming: on the Programming of Computers ...
  • Kyaw, A.K., Shahid, S. & Wang, X. (۲۰۲۲). Remote Sensing ...
  • Liang, S., Li, X. & Wang, J. (۲۰۱۹). Advanced remote ...
  • Mattar, M.A., (۲۰۱۸). Using gene expression programming in monthly reference ...
  • Mélèse, V., Blanchet, J., & Molinié, G. (۲۰۱۸). Uncertainty estimation ...
  • Nakazato, R., Funakoshi, H., Ishikawa, T., Kameda, Y., Matsuda, I. ...
  • Neal, W. D., & Wurst, J. (۲۰۰۱). Advances in Market ...
  • Oppenheim, A.V., Willsky, A.S. & Hamid, S. (۲۰۰۶). Signals and ...
  • Prateek, G. (۲۰۱۷). Target detection using weather radars and electromagnetic ...
  • Rasel, M.M. & Islam, M.M. (۲۰۱۵). Generation of rainfall intensity-duration-frequency ...
  • Şchiopu, D. (۲۰۱۰). Applying TwoStep cluster analysis for identifying bank ...
  • Tramblay, Y., Thiemig, V., Dezetter, A. & Hanich, L. (۲۰۱۶). ...
  • Uijlenhoet, R. (۲۰۰۱). Raindrop size distributions and radar reflectivity–rain rate ...
  • Weeks, M. (۲۰۱۰). Digital signal processing using MATLAB and wavelets. Publisher: ...
  • Wichmeier, W.H., & Smith, D.D. (۱۹۷۸). Predicting rainfall losses: a ...
  • نمایش کامل مراجع