خلیل قربانی - عضو هیات علمی دانشگاه
زهرا نعیمی کلورزی - دانشجوی کارشناسی ارشد
میثم سالاری جزی - دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امیراحمد دهقانی - دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده چکیده سابقه و هدف: برآورد دبی در حوضه های آبریز با داده های آماری محدود، همواره مورد توجه پژوهش گران خصوصا در کشور های در حال توسعه می باشد. در بسیاری از موارد، داده های مشاهداتی دبی یا در دسترس نبوده و یا از لحاظ کیفیت و کمیت کافی نیستند. این عامل طرح های مدیریت منابع آب را با مشکل روبه رو می سازد. بنابراین روش هایی که به کمک آن ها بتوان میزان آبدهی رودخانه در حوضه های بدون آمار یا دارای آمار ناقص را تخمین زد، از اهمیت قابل توجهی برخوردار می گردد. بدین منظور روش های متعددی از جمله مدل های آماری، سری های زمانی و مدل های هوشمند توسعه یافته اند که در این میان می توان به مدل درخت تصمیم اشاره کرد که با تولید قانون های ساده، رفتار غیر خطی داده ها را مدل سازی می کند. هدف از این پژوهش ، ارزیابی روش های رگرسیون چند متغیره و مدل درخت تصمیم (M۵) به منظور برآورد جریان ماهانه در حوضه های فاقد آمار استان گلستان می باشد.مواد و روش ها: در این پژوهش استان گلستان که از زیرحوضه هایی متعددی با مشخصات متنوعی برخوردار است به عنوان منطقه مطالعاتی در نظر گرفته شد. پس از استخراج مشخصات فیزیوگرافی حوضه های آبریز، میانگین ماهانه پارامترهای اقلیمی دما و بارش نیز پس از درون یابی در محیط GIS برای هر یک از زیر حوضه ها و در هر یک از ماه های سال های ۱۳۹۰-۱۳۶۳ برآورد گردیدند. پارامترهای اقلیمی (متوسط بارش و دمای ماهانه) و مشخصات فیزیوگرافی (۱۲پارامتر) به عنوان متغیر مستقل وارد مدل رگرسیون چند متغیره و رگرسیون درختیM۵ شدند. معیار ارزیابی در این پژوهش، ریشه دوم میانگین مربعات خطا (RMSE)، ضریب تعیین (R۲) و میانگین خطای اریب (MBE) می باشد.یافته ها: با توجه به نتایج به دست آمده از مدل رگرسیون چند متغیره و مدل درخت تصمیم، برآورد جریان در ماه های پربارش سال نسبت به ماه های کم بارش از دقت بالاتری برخوردار است بطوری که در روش رگرسیون درختی بهترین برآورد جریان رودخانه در ماه اسفند با ضریب تعیین برابر ۸۶۴/۰، ریشه میانگین مربعات خطای برابر ۰۰۲/۱ و میانگین خطای اریب برابر ۰۲۶/۰به دست آمد و کم دقت ترین برآورد جریان مربوط به ماه مرداد با ضریب تعیین برابر ۳۲۶/۰، ریشه میانگین مربعات خطا برابر ۶۳۵/۰ و میانگین خطای اریب برابر با ۰۰۰/۰ محاسبه گردید. هم چنین در روش رگرسیون چند متغیره نیز ماه اسفند با ضریب تعیین ۵۲۲/۰، ریشه میانگین مربعات خطا ۰۴۳/۲ و میانگین خطای اریب ۱۵۳/۰ بهترین حالت از جریان ماهانه را برآورد نمود و پایین ترین دقت حاصل از این روش به ماه مرداد با ضریب تعیین ۱۰۳/۰، ریشه میانگین مربعات خطا ۹۷۹/۱ و میانگین خطای اریب برابر ۰۲۰/۰ اختصاص پیدا میکند. با توجه به محاسبات مدل درخت تصمیم نسبت به رگرسیون چند متغیره در تمام ماههای سال نتایج بهتری داشته است. نتیجه گیری: نتایج این پژوهش حاکی از آن است که تخمین دبی ماهانه در ماه های پر بارش سال به کمک مدل های رگرسیون چند متغیره و رگرسیون درختی M۵ امکان پذیر است اما در ماه های خشک سال به دلیل رگباری بودن و پراکندگی زیاد بارش در سطح حوضه و خطا در پهنه بندی و درون یابی بارش نتایج خوبی به دست نمی آید. نتایج ارزیابی ها نشان داد که مدل درخت تصمیم دارای دقت بالاتر از مدل رگرسیون چند متغیره برای تخمین دبی رودخانه می باشد. زیرا این روش دارای بیش ترین دقت و کمترین خطا بود. با توجه به معیارهای ارزیابی مدل درخت تصمیم برای ماه های پرباران دارای ضریب همبستگی بیشتری نسبت به ماه های کم باران می باشد.

دبی رودخانه, حوضه فاقد آمار, مدل درخت تصمیم گیری M۵, رگرسیون چند متغیره