رضا دهقانی؛ حسن ترابی؛ حجت اله یونسی؛ بابک شاهی نژاد
چکیده
پیشبینی جریان رودخانهها یکی از مهمترین موارد کلیدی در مدیریت و برنامهریزی منابع آب بهویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشکسالیها است. برای پیشبینی میزان جریان رودخانهها رویکردهای متنوعی در هیدرولوژی معرفیشده است که مدلهای هوشمند از مهمترین آنها میباشند. در این پژوهش کاربرد مدل هیبریدی ماشین ...
بیشتر
پیشبینی جریان رودخانهها یکی از مهمترین موارد کلیدی در مدیریت و برنامهریزی منابع آب بهویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشکسالیها است. برای پیشبینی میزان جریان رودخانهها رویکردهای متنوعی در هیدرولوژی معرفیشده است که مدلهای هوشمند از مهمترین آنها میباشند. در این پژوهش کاربرد مدل هیبریدی ماشین بردار پشتیبان_ موجک به منظور برآورد دبی رودخانه های حوضه آبریز دز براساس آمار آبدهی روزانه ایستگاههای هیدرومتری واقع در بالادست سد طی دوره آماری(1397-1387) مورد بررسی و ارزیابی قرار گرفته و کارایی آن با مدل ماشین بردار پشتیبان مقایسه شد. معیارهای ضریب تبیین، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه مدلها مورد استفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدلسازی دبی رودخانه ارائه می نمایند. همچنین مقایسه مدلها طبق معیارهای ارزیابی نشان داد مدل هیبریدی ماشین بردار پشتیبان-موجک عملکرد بهتری در پیشبینی جریان داشته و میتواند در زمینه پیش بینی دبی روزانه جریان مفید باشد.
کیومرث روشنگر؛ سامان شهنازی
چکیده
در بیشتر مطالعات منابع آب، مقدار بار بستر با توجه به سختیها و هزینههای مربوط به اندازهگیری بهصورت نسبت ثابتی از بار کل در نظر گرفته میشود که با توجه به تغییرپذیری بالای این نسبت، معقول نیست. در این پژوهش، با استفاده از دادههای جمعآوری شده از ۱۹ رودخانه با بستر شنی واقع در ایالات متحده آمریکا به مدلسازی ...
بیشتر
در بیشتر مطالعات منابع آب، مقدار بار بستر با توجه به سختیها و هزینههای مربوط به اندازهگیری بهصورت نسبت ثابتی از بار کل در نظر گرفته میشود که با توجه به تغییرپذیری بالای این نسبت، معقول نیست. در این پژوهش، با استفاده از دادههای جمعآوری شده از ۱۹ رودخانه با بستر شنی واقع در ایالات متحده آمریکا به مدلسازی بار بستر، بار کل و در نهایت نسبت این دو با ماشین بردار پشتیبان که شاخهای از روشهای هوشمند میباشد، پرداخته شد. سپس نتایج حاصله با روابط کلاسیک مقایسه و مورد ارزیابی و بررسی قرار گرفت. نتایج نشان داد که در تخمین بار بستر و نیز بار کل رسوبی این روش کارایی بسیار بالایی نسبت به روشهای کلاسیک داشته، عملکرد آن نیز در پیشبینی نسبت بار بستر به بار کل دارای نتایج قابل قبولی است. در ضمن مدلسازیهای مذکور نیز نشان دادند که نسبت سرعت متوسط به سرعت برشی جریان و عدد فرود، تاثیرگذارترین پارامترها در پیشبینی بار بستر، بار کل و نسبت این دو میباشد.
آیدینگ کرنژادی؛ حمیدرضا پورقاسمی
چکیده
هدف از تحقیق پیشرو، پهنهبندی حساسیت زمینلغزش در حوزه آبخیز چهلچای، واقع در استان گلستان میباشد. بدین منظور، از دو مدل دادهکاوی ماشین بردار پشتیبان (SVM) و درخت رگرسیون تقویت شده (BRT) به لحاظ الگوریتم محاسباتی توانمند در زمینه ارزیابی فرایند زمینلغزش استفاده شد. شواهد زمینلغزش با استفاده از دستگاه موقعیتیاب ...
بیشتر
هدف از تحقیق پیشرو، پهنهبندی حساسیت زمینلغزش در حوزه آبخیز چهلچای، واقع در استان گلستان میباشد. بدین منظور، از دو مدل دادهکاوی ماشین بردار پشتیبان (SVM) و درخت رگرسیون تقویت شده (BRT) به لحاظ الگوریتم محاسباتی توانمند در زمینه ارزیابی فرایند زمینلغزش استفاده شد. شواهد زمینلغزش با استفاده از دستگاه موقعیتیاب جهانی (GPS)، بازدیدهای میدانی و اطلاعات سازمانی موجود ثبت و در سامانه اطلاعات جغرافیایی (GIS) در قالب نقشه تهیه شد. همچنین، با توجه به مرور منابع گسترده، 12 عامل زمینهساز شامل فاصله از گسل، فاصله از آبراهه، فاصله از جاده، واحدهای سنگشناسی، بافت خاک، کاربری اراضی، درجه شیب، جهت شیب، طبقات ارتفاعی، انحنای طولی و عرضی دامنه و شاخص رطوبت (WI) بهعنوان عوامل موثر بر وقوع زمینلغزش منطقه مورد مطالعه انتخاب و لایههای مذکور در سامانه اطلاعات جغرافیایی تهیه شدند. بهمنظور ارزیابی نتایج مدلها، از مقدار مساحت زیر منحنی تشخیص عملکرد نسبی (ROC) و 30 درصد لغزشهای استفاده نشده در فرایند مدلسازی استفاده شد. نتایج نشان داد که مدل ماشین بردار پشتیبان (SVM) با مساحت زیر منحنی 0/82 (82 درصد) کارایی بهتری در پهنهبندی حساسیت زمینلغزش در حوضه مورد مطالعه داشته و مدل BRT با مقدار معادل 0/77 (77 درصد) در رتبه بعدی اهمیت قرار گرفت. بر اساس نتایج مدل SVM، حدود 45 درصد از حوزه آبخیز چهلچای در پهنه حساسیت زیاد و خیلی زیاد به وقوع زمینلغزش قرار گرفته است.
الهام رضایی؛ بابک شاهینژاد؛ حجت ا.. یونسی
چکیده
یکی از موضوعات مهم در بحث کیفی رودخانهها پیشبینی میزان مواد جامد محلول در آب میباشد. در این پژوهش، عملکرد مدلهای هوشمند ماشین بردار پشتیبان با توابع هسته مختلف، برنامهریزی بیان ژن و شبکه بیزین برای پیشبینی میزان مواد جامد محلول در آب رودخانه کشکان مورد بررسی قرار گرفت. بدین منظور، از دادههای کیفی ...
بیشتر
یکی از موضوعات مهم در بحث کیفی رودخانهها پیشبینی میزان مواد جامد محلول در آب میباشد. در این پژوهش، عملکرد مدلهای هوشمند ماشین بردار پشتیبان با توابع هسته مختلف، برنامهریزی بیان ژن و شبکه بیزین برای پیشبینی میزان مواد جامد محلول در آب رودخانه کشکان مورد بررسی قرار گرفت. بدین منظور، از دادههای کیفی ایستگاه پلدختر واقع در استان لرستان، شامل هیدروژن کربنات، کلرید، سولفات، منیزیم، کلسیم، سدیم، هدایت الکتریکی، دبی جریان و pH برای پیشبینی میزان مواد جامد محلول در آب طی دوره آماری 1395-1370 در مقیاس زمانی ماهانه استفاده شد. برای صحتسنجی مدلها از معیارهای ضریب تبیین، ضریب نش-ساتکلیف، ریشه میانگین مربعات خطا و اریب استفاده شد. نتایج بهدست آمده نشان داد که در هر سه مدل مذکور، ساختارهای ترکیبی از دقت قابل قبولی برخوردار هستند. همچنین، بر اساس معیارهای ارزیابی مشخص شد که مدل ماشین بردار پشتیبان با هسته توابع پایه شعاعی بیشترین دقت 0.982، کمترین میزان ریشه مربعات خطا (mglit-1) 0.032، کمترین اریب 0.001 و بیشترین ضریب نش-ساتکلیف 0.963 را نسبت به سایر مدلها داشته است.