پایش خشکسالی با استفاده از مدل درختی چند مقیاسه WM5

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 377

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CER-2-2_005

تاریخ نمایه سازی: 11 خرداد 1398

چکیده مقاله:

خشکسالی یکی از پدیده های محیطی است که سالانه موجب وارد آمدن خسارات زیادی به جوامع انسانی می گردد. برای بررسی تغییرات شرایط اقلیمی به خصوص خشکسالی ها، شاخص های خشکسالی به عنوان یک ابزار مدیریتی و برنامه ریزی قوی ارائه شدند. علاوه بر استفاده از شاخص خشکسالی، پیش بینی خشکسالی با استفاده از مدل های مناسب، می تواند در کنترل و مدیریت خشکسالی مناسب باشد. در این پژوهش از داده های بارش در دو حوضه واقع در استان های همدان و لرستان جهت محاسبه ی شاخص های خشکسالی SPI و EDI که از جمله پرکاربردترین شاخص ها در خشکسالی می باشند، مورد استفاده قرار گرفته است. پس از محاسبه ی شاخص های خشکسالی با استفاده از مدل درختی چند مقیاسه WM5 که یک مدل توسعه یافته از مدل درختی M5 می باشد، پایش خشکسالی صورت گرفته است. ضریب تبیین در مدل M5 برای شاخص EDI در بهترین حالت 95/0 و در مدل درختی چند مقیاسه WM5، 99/0به دست آمده است. همچنین ضریب تبیین برای شاخص SPI در بهترین حالت در مدل M5، 90/0 و در مدل درختی چند مقیاسه WM5، 95/0 به دست آمده است. این مهم بیانگر این نکته است که مدل درختی چند مقیاسه WM5 نسبت به مدل درختی M5 دارای برتری می باشد همچنین از مزایای مدل درختی چند مقیاسه WM5 نسبت به مدل درختی M5 می توان به رصد نمودن نقاط حداکثری اشاره نمود.

نویسندگان

مهدی کماسی

استادیار گروه مهندسی عمران دانشگاه ایت الله بروجردی

سوده قبادی خسرو

دانشجوی کارشناسی ارشد آب و سازه های هیدرولیکی، دانشکده فنی مهندسی عمران، دانشگاه آیت ا... بروجردی (ره)

محمدرضا هاشمی

دانشجوی کارشناسی ارشد آب و سازه های هیدرولیکی، دانشکده فنی مهندسی عمران، دانشگاه آیت ا... بروجردی (ره)

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • کماسی، م.، اعلمی، م.، نورانی، و. (1391). پیش بینی خشکسالی ...
  • ستاری، م.، رضازاده، ت.، جودی، ع.، نهرین، ف. (1392). پیش ...
  • امامی فر، س.، رحیمی خوب، ع.، نوروزی، ع.ا. (1393). ارزیابی ...
  • Palmer, W. C. (1965). Meteorological drought. Washington, DC: US Department ...
  • McKee, T.B., Doesken, N.J., & Kleist, J. (1993). The relationship ...
  • Jain, V.K., Pandey, R.P., Jain, M.K., & Byun, H.R. (2015). ...
  • Bazrafshan, O., Salajegheh, A., Bazrafshan, J., Mahdavi, M., & Fatehi ...
  • Maca, P., & Pech, P. (2016). Forecasting SPEI and SPI ...
  • Savice, D.A., Walters G.A., & Davidson, J. (1999). A Genetic ...
  • Hassanzadeh, Y., Abdi, A., Talatahari, S., & Singh, V.P. (2011). ...
  • Cannas, B., Fanni, A., See, L., & Sias, G. (2006). ...
  • Djerbouai, S., & Souag– Gamane, D. (2016). Drought Forecasting Using ...
  • Özger, M., Mishra, A.K., &Singh, V.P. (2012). Long lead time ...
  • Londhe, S. N., & Dixit, P.R. (2011). Forecasting stream flow ...
  • Alipour, A., Yarahmadi, J., & Mahdavi, M. (2014). Comparative Study ...
  • Pal, M., & Deswal, S. (2009). M5 model tree based ...
  • Quinlan, J.R. (1986). Introduction of decision trees , Machine learning, ...
  • Nourani, V., Komasi, M., & Alami, M.T. (2011). Hybrid wavelet- ...
  • نمایش کامل مراجع