هیدروژئولوژی
حمیدرضا باباعلی
چکیده
در سال های اخیر افت منابع آب زیرزمینی به عنوان مهمترین چالش در مسائل مدیریت منابع آب مطرح است. اولین گام در جهت مدیریت آب زیرزمینی، شـبیهسازی سطح آب زیرزمینی و شناسایی عوامل مؤثر بر سطح آب زیرزمینی است. از این رو در این پژوهش جهت شبـیهسازی سطح آب زیرزمینی دشت سلسله واقع در استان لرستان از مدل ترکیبی رگرسیون بردار پشتیبان ...
بیشتر
در سال های اخیر افت منابع آب زیرزمینی به عنوان مهمترین چالش در مسائل مدیریت منابع آب مطرح است. اولین گام در جهت مدیریت آب زیرزمینی، شـبیهسازی سطح آب زیرزمینی و شناسایی عوامل مؤثر بر سطح آب زیرزمینی است. از این رو در این پژوهش جهت شبـیهسازی سطح آب زیرزمینی دشت سلسله واقع در استان لرستان از مدل ترکیبی رگرسیون بردار پشتیبان (SVR) با موجک و الگوریتمهای فرا ابتـکاری گرگ خاکـستری (GWO) و خفاش (BA) در مقیاس زمانـی ماهانه طی دوره ی آماری 2020-2010 استفاده شـد. مـعیارهای ضریب همبستگی (R2)، مـجذور میانگین مربعات خطا (RMSE) ، میانگین مطلق خطا (MAE)، ضریب بهرهوری نش-ساتکلیف (NSE)، درصد بایاس (PBIAS) برای ارزیابی و مقایسه ی عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر سه مدل هیبریدی، در الگوهای ترکیبی نتایج بهتری نسبت به سایر الگوهای تعیینشده دارند. همچنین، با توجه به معیارهای ارزیابی مشخص شد که از بین مدلهای بهکاررفته در شبیه سازی سطح آب زیرزمینی، مدل رگرسیون بردار پشتیبان-موجک با ضریب تعیین (988/0-975/0R2=)، ریـشه ی میانگین مربعات خطا (146/0-112/0RMSE=)، میانـگین قدرمطلق خطا (m093/0-076/0MAE=) ضریب نش ساتکلیف (978/0-963/0NS=) و درصد بایاس (001/0PBIAS=) در مرحله ی صحت سنجی عملکرد بهتری نسبت به سایر مدل ها از خود نشان داده است.
مهدی حسنلو؛ میثم جمشیدی؛ محمدتقی ستاری
دوره 5، شماره 14 ، خرداد 1397، ، صفحه 43-65
چکیده
چکیده
شوری آب مشخصکنندهی پراکندگی حیات جانوری و گیاهی در دریاچهها، دریاها و اقیانوسهاست. در این مقاله با مطالعه بازتابش از سطح آب، شاخصهای شوری و همچنین دادههای میدانی نقشهی شوری دریاچهی ارومیه تهیه گردید. سپس مدلسازی شوری این دریاچه با استفاده از رگرسیون بردار پشتیبان و تصاویر لندست-8 انجام گردید. جهت انتخاب ...
بیشتر
چکیده
شوری آب مشخصکنندهی پراکندگی حیات جانوری و گیاهی در دریاچهها، دریاها و اقیانوسهاست. در این مقاله با مطالعه بازتابش از سطح آب، شاخصهای شوری و همچنین دادههای میدانی نقشهی شوری دریاچهی ارومیه تهیه گردید. سپس مدلسازی شوری این دریاچه با استفاده از رگرسیون بردار پشتیبان و تصاویر لندست-8 انجام گردید. جهت انتخاب ویژگیهای مناسب از میان هفده ویژگی ورودی اولیهی مدل از دو الگوریتم ژنتیک و انتخاب ویژگی ترتیبی به کمک نرمافزار متلب استفاده شد. در نهایت میزان شوری آب دریاچهی ارومیه با خطا و دقت نسبتاً مناسبی تخمین گردید. بهطوریکه مدل رگرسیون بردار پشتیبان با تمام ویژگیها با RMSE=24.55psu و R2=41%، مدل رگرسیون بردار پشتیبان مبتنی بر الگوریتم ژنتیک با RMSE=21.97psu و R2=54% و مدل رگرسیون بردار پشتیبان مبتنی بر انتخاب ویژگی ترتیبی با مقادیر RMSE=21.93psu و R2=53% توانستند میزان شوری دریاچهی ارومیه را تخمین بزنند.