مدل سازی تصادفی بار رسوب با استفاده از جنگل تصادفی و رگرسیون چندک

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 293

This Paper With 20 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_JWSC-24-4_006

تاریخ نمایه سازی: 11 آبان 1398

Abstract:

سابقه و هدف: ارزیابی بار معلق رسوبی رودخانه ها بسیار مهم است. کیفیت آب رودخانه ها و محیط زیست تحت تاثیر بار رسوب می باشد. همچنین طراحی سازه های هیدرولیکی و سایر تاسیسات آبرسانی، مدیریت حوزه آبخیز و اجرای برنامه های حفاظت خاک و مشکلات عمده ی دیگر ناشی از آورد رسوب رودخانه ها به تخمین صحیح بار رسوب وابسته است. از آنجایی که برآورد مستقیم بار رسوبی بسیار دشوار و وقت گیر است، لذا این امر سبب شد محققان به برآورد غیرمستقیم بار رسوبی که به روش های گوناگون امکان پذیر است روی آورند. یکی از راه های آسان برآورد غیرمستقیم بار رسوبی، منحنی سنجه رسوب است. این روش تنها می تواند معرف یک مقدار رسوب در یک دبی معین باشد و به علت عوامل مختلفی در طبیعت ممکن است چندین مقدار بار رسوبی برای یک دبی مشخص وجود داشته باشد. بر این اساس در پژوهش حاضر از روش های رگرسیون چندک و جنگل تصادفی که بتوانند مقدار بار رسوب را برای یک مقدار دبی معین در احتمالات مختلف تخمین بزنند استفاده شد. با به کار گیری این دو روش می توان احتمال وقوع بار رسوب در رویدادهای استثایی و سیلاب های عظیم را تحلیل کرد. مواد و روش ها: در این پژوهش از مدل های منحنی سنجه رسوب، رگرسیون چندک و جنگل تصادفی به منظور برآورد بار رسوب چهار ایستگاه جنگلده، نوده، ارازکوسه و قزاقلی واقع در رودخانه ی گرگانرود در استان گلستان استفاده گردید. به این منظور داده های دبی- رسوب متناظر چهار ایستگاه مورد مطالعه به دو بخش 75% برای آموزش و 25% برای آزمون تفکیک شدند. در روش منحنی سنجه، مقدار رسوب با استفاده از معادله ی توانی برازش داده شده بین دبی و رسوب متناظر، حاصل گردید. الگوریتم های رگرسیون چندک و جنگل تصادفی با استفاده از نرم افزار آماری R اجرا گردیدند. مقدار بهینه پارامترهای متغیر این دو روش با استفاده از آزمون و خطا تعیین شد. با اجرای مدل، مقدار رسوب مربوط به یک دبی در سطوح احتمال مختلف (1% تا 99%) محاسبه شد. یافته ها: با به کارگیری این دو روش، بار رسوبی در چندک های 5/2، 50 و 5/97% تعیین و دامنه عدم قطعیت در هر ایستگاه مشخص شد. روش جنگل تصادفی در ایستگاه های جنگلده و نوده با مقدار RMSE به ترتیب برابر 96 و 210 تن بر روز و رگرسیون چندک در ایستگاه های ارازکوسه و قزاقلی با مقدار RMSE به ترتیب 6453 و 24886 تن بر روز به عنوان بهترین روش برآورد بار رسوبی انتخاب شدند. مقدار معیار ارزیابی RMSE رسوب برآورد شده توسط منحنی سنجه رسوب کلاسیک در ایستگاه های جنگلده، نوده، ارازکوسه و قزاقلی به ترتیب برابر 199، 288، 7505 و 25811 تن بر روز به دست آمد. نتیجه گیری: نتایج نشان داد منحنی سنجه رسوب کلاسیک علاوه بر اینکه قادر به برآورد بار رسوبی در دامنه ی عدم قطعیت های مختلف برای یک مقدار دبی معین نیست، بار رسوبی را نیز با مقدار خطای بیشتری برآورد می کند. با استفاده از روش های رگرسیون چندک و جنگل تصادفی برای یک دبی معین مقدار رسوب در احتمالات مختلف قابل پیش بینی است و این امر کمک زیادی به برنامه ریزی صحیح و جامع برای ساخت سازه های آبی می کند و از این طریق، خطرات تخریب این تاسیسات را که ناشی از سیلاب های عظیم می باشد کاهش می دهد.

Authors

حامد روحانی

دانشگاه گنبد

ابولحسن فتح آبادی

استادیار- دانشگاه گنبد

مهسا جوادی علینژاد

دانشجوی کارشناسی ارشد دانشگاه گنبد کاووس

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 :
  • Abbasi, F. 2013. Principles of Flow in Surface Irrigation. Iranian ...
  • Irrigation and Drainage (IRNCID), Tehran, 232p. (In Persian) ...
  • Bautista, E., and Wallender, W.W. 1985. Spatial variability of infiltration ...
  • Transactions of the American Society of Agricultural Engineers. 28: 6. ...
  • Cai, H., Xu, J., Wang, J., Chen, X., Zhu, D., ...
  • infiltration parameters in irrigated field based on WinSRFR4.1. Transactions of ...
  • Society of Agricultural Engineering. 32: 2. 92-98. ...
  • Childs, J.L., Wallender, W.W., and Hopmans, J.W. 1993. Spatial and ...
  • furrow infiltration. J. Irrig. Drain. Engin. 119: 1. 74-90. ...
  • Elliot, R.L., and Walker, W.R. 1982. Field evaluation of furrow ...
  • functions. Transactions of the American Society of Agricultural Engineers. 25: ...
  • Emdad, M.R. 2009. Determination of seasonal variation of infiltration and ...
  • irrigation management in forage maize. 10th National Seminar on Irrigation ...
  • Evapotranspiration, Shahid Bahonar University of Kerman, Kerman, Iran. (In Persian) ...
  • Fonteh, M.F., and Podmore, T. 1994. Application of geostatistics to ...
  • variability of infiltration in furrow irrigation. Agricultural Water Management. 25: ...
  • Gates, T.K., and Clyma, W. 1984. Designing furrow irrigation systems ...
  • performance. Transactions of the American Society of Agricultural Engineers. 27: ...
  • Hillel, D. 1998. Environmental Soil Physics: Fundamentals, applications and environmental ...
  • considerations. Academic Press. San Diego, CA. ...
  • Holzapfel, E.A., Jara, J., Zuñiga, C., Mariño, M.A., Paredes, J., ...
  • Infiltration parameters for furrow irrigation. Agricultural Water Management. 68: 1. ...
  • Karmeli, D., Salazar, L.J., and Walker, W.R. 1978. Assessing the ...
  • irrigation water applications. Environmental Protection Technology Series EPA (USA). no. ...
  • Linderman, C.L., and Stegman, E.C. 1971. Seasonal variation of hydraulic ...
  • their influence upon surface irrigation application efficiency. Transactions of the ...
  • Society of Agricultural Engineers. 14: 5. 914-918. ...
  • Nahvinia, M.J., Liaghat, A., and Parsinejad, M. 2010. Prediction of ...
  • furrow irrigation using tentative and statistical models. J. Water Soil. ...
  • Rezaeepour, S., Ghobadi Nia, M., and Tabatabaei, S.H. 2012. Evaluation ...
  • parameters variations on the infiltration coefficients in surface irrigation system. ...
  • National Conference on Comprehensive Water Resources Management, 10-11 Sep. 2012. ...
  • Sari Agricultural Sciences and Natural Resources University, Sari, Iran. (In ...
  • Shafique, M.S., and Skogerboe, G.V. 1983. Impact of seasonal infiltration ...
  • on furrow irrigation performance. P 292-301. Proceedings of National Conference ...
  • Advances in Infiltration, Transactions of the ASAE, St. Joseph, MI, ...
  • Sharma, M.L., Gander, G.A., and Hunt, C.G. 1980. Spatial variability ...
  • watershed. J. Hydrol. 45: 1. 101-122. ...
  • Starr, J.L. 1990. Spatial and temporal variation of ponded infiltration. ...
  • Tabatabaei, S.H., Fardad, H., Neyshabory, M.R., and Liaghat, A. 2006. ...
  • seasonal variation of Kostiakov-Louise infiltration equation in two different farm ...
  • managements in cracking soil. J. Water Soil Sci. (Science and ...
  • and Natural Resources). 10: 1. 55-69. (in Persian) ...
  • Taleby Kalan, Y., Mohammadi, M.H., and Karimi, S. 2016. The ...
  • infiltration characteristics in some soils of Ardabil and Zanjan province. ...
  • Sust. Prod. 6: 1. 109-126. (In Persian) ...
  • Uloma, A.R., Samuel, A.C., and Kingsley, I.K. 2014. Estimation of ...
  • model parameters of some sandy loam soils of Ikwuano-Umuahia, Nigeria. ...
  • Transactions on Geosciences. 1: 1. 34-38. ...
  • Valiantzas, J.D., Aggelides, S., and Sassalou, A. 2001. Furrow infiltration ...
  • time to a single advance point. Agricultural Water Management. 52: ...
  • Ziaii, G., Abbasi, F., Babazadeh, H., and Kaveh, F. 2016. ...
  • of soil water infiltration coefficients in furrow irrigation. Iran. J. ...
  • : 2. 229-236. (In Persian) ...
  • نمایش کامل مراجع