مقایسه مدل های IBK و M۵ با روش های زمین آماری در کیفیت آب زیرزمینی

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 47

This Paper With 10 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-8-1_004

تاریخ نمایه سازی: 27 تیر 1403

Abstract:

در مدیریت کمی آب زیرزمینی، یکی از موارد بسیار مهم و اساسی، تخمین سطح آب زیرزمینی است که معمولا براساس داده هایی که از شبکه چاه های مشاهده ای بدست می آید، انجام می گردد. در این پژوهش، هدف اصلی، بررسی شوری آب زیرزمینی دشت مشهد در بازه زمانی ۱ تا ۳۱ اردیبهشت ۱۳۹۸ می باشد. برای این منظور، از دو مدل آماری IBK و M۵ استفاده و نتایج آن ها با روش های زمین آماری مقایسه گردید. در این راستا، از نمونه برداری نقطه ای با مختصات جغرافیایی X و Y استفاده شد. همچنین، متغیر کلر به عنوان یک متغیر مهم و معیاری برای شوری آب زیرزمینی مد نظر قرار گرفت. دلیل اصلی انتخاب کلر به­عنوان متغیر مورد بررسی، همبستگی مناسب آن با ضریب هدایت الکتریکی است. در نهایت، نتایج نشان داد که مدل IBK عملکرد بهتری نسبت به مدل M۵ و روش های زمین آماری داشت. با استفاده از مدل IBK، میزان دقت در پیش بینی شوری آب زیرزمینی به شکل قابل توجهی افزایش یافت. بر اساس مقادیر آماری به دست آمده، می توان نتیجه گرفت که مدل IBK با داشتن ضریب تییین برابر با ۹۸/۰، خطای جذر میانگین مربعات برابر با ۸۵/۲۰۰ و میانگین خطای مطلق برابر با ۴۸/۹۷، بهترین مدل برای پیش بینی شوری آب زیرزمینی در دشت مشهد است. در نتیجه، مدل IBK قابلیت بالایی در تخمین دقیق شوری آب زیرزمینی را دارد و می توان آن را به عنوان یک ابزار موثر در مدیریت کمی آب زیرزمینی، به کار برد. این مدل با دقت و عملکرد بالا، می تواند به مدیران و تصمیم گیران در اتخاذ تدابیر و راهبرد های مناسب برای حفظ و بهینه سازی منابع آب زیرزمینی کمک کند.

Authors

فهیمه خادم پور

دانشجوی دکتری منابع آب، گروه علوم و مهندسی آب، دانشگاه بیرجند، دانشکده کشاورزی، بیرجند، ایران.

عباس خاشعی سیوکی

استاد، گروه علوم و مهندسی آب، دانشگاه بیرجند، دانشکده کشاورزی، بیرجند، ایران.

علی شهیدی

دانشیار، گروه علوم و مهندسی آب، دانشگاه بیرجند، دانشکده کشاورزی، بیرجند، 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 :
  • احمدیان، م.، چاوشیان، م.، درویش، م.، ۱۳۹۴. بررسی نوسان های ...
  • خاشعی سیوکی، ع.، سربازی، م.، ۱۳۹۳. بررسی توزیع مکانی کیفیت ...
  • خاشعی سیوکی، ع.، کوچک زاده، م.، قهرمان، ب.، ۱۳۹۰. پیش ...
  • رضایی، ا.، خاشعی سیوکی، ع.، شهیدی، ع.، ۱۳۹۳. طراحی شبکه ...
  • رضایی، م.، دعوتگر، ن.، تاجداری، ک.، ابوالپور، ب.، ۱۳۸۹. بررسی ...
  • زمانی احمد محمودی، ر.، آخوندعلی، ع.م.، زارعی، ح.، رادمنش، ف.، ...
  • Barcae, E., Passarella, G., ۲۰۰۸. Spatial evaluation of the risk ...
  • Dagostino, V., Greene, E.A., Passarella, G., Vurro, M., ۱۹۹۸. Spatial ...
  • Fallahi, M.R., Varvani, H., and Goliyan, S. ۲۰۱۲. Precipitation forecasting ...
  • Kisi, O., ۲۰۱۲. Least squares support vector machine for modeling ...
  • Lallahema, S., Maniaa, J., Hania, A., Najjarb, Y., ۲۰۰۵. on ...
  • Liang, X., Schilling, K., Kuan-Zhang, Y., Jones, C., ۲۰۱۶. CoKriging ...
  • Maroufpoor, S., Fakheri-Fard, A., and Shiri, J. ۲۰۱۹. Study of ...
  • Pal, M. ۲۰۰۶. M۵ model tree for land cover classification. ...
  • Witten, I. H., and Frank, E. ۲۰۰۲. Data mining: practical ...
  • Yates, D., Gangopadhyay, S., Rajagopalan, B., Strzepek, K., ۲۰۰۳. A ...
  • نمایش کامل مراجع