مقایسه عملکرد دو روش خوشه بندی، K-means و فازی ، براساس خصوصیات مورفولوژیکی زیرحوضه ها

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 564

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCUIMWR03_327

تاریخ نمایه سازی: 15 اسفند 1393

چکیده مقاله:

انتخاب و به کارگیری روش های مدیریتی مناسب جهت حفاظت و نگهداری منابع طبیعی در حوضه های آبریز، از اهمیت بالایی برخوردار می باشد. در این راستا، توانایی دو روش خوشه بندی، تجزیه وتحلیل خوشه ای (KCA)K-means و تجزیه وتحلیل خوشه ای فازی (FCA)، مورد ارزیابی قرار گرفت. 26 زیرحوضه از حوضه آبریز لای کرباس بردسیر در استان کرمان جهت مطالعه موردی، انتخاب شد. ده پارامتر مورفولوژی؛ تراکم زهکشی، نسبت انشعاب، فراوانی آبراهه، طول جریان روی زمین، ضریب شکل، عامل شکل، نسبت کشیدگی، نسبت دایره ای، ضریب فشردگی و ضریب بافت برای خوشه بندی استفاده شدند. تعداد بهینه خوشه ها براساس دو شاخص اعتبارسنجی، Davies-Bouldin و Dunn تعیین شد. نتایج خوشه بندی زیرحوضه ها در حوضه مورد مطالعه، تطابق بالایی را نشان داد. بررسی روی تعداد خوشه 3، 4، 5، 6 و 7 انجام شد که با کاهش تعداد خوشه ها، مقدار شاخص Davies-Bouldin مرتبا افزایش یافت.

نویسندگان

رحیم فرهمند

دانشجوی کارشناسی ارشد سازه های آبی، بخش مهندسی آب، دانشگاه شهید باهنر، کرمان، ایران

شهرام کریمی گوغری

استادیار، بخش مهندسی آب، دانشکده کشلورزی، دانشگاه شهید باهنر، کرمان، ایران.

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 :
  • Kaijun, W., 2008. Cluster Validation Toolbox. MATLAB Central, File Exchange, ...
  • Anand Raj, P., Nagesh Kumar, D., 1998. Ranking multi-criterion river ...
  • Biswas, S., Sudhakar, S., Desai, VR., 202. Remote sensing and ...
  • Chopra, R., Dhiman, R.D., Sharma, P.K, _ Morphometric analysis of ...
  • Davies, D.L., Bouldin, D.W., 1979. A cluster separation measure. IEEE ...
  • Dunn, J.c., 1974. Well separated clusters and optimal fuzzy partitions. ...
  • Garde, R.G., 2006. River Morphology. New Age International, New Delhi, ...
  • Jain, AK, Dubes, R.C., 1988. Algorithms for Clustering Data. Prentice-Hall, ...
  • Jingyi, Z., Hall, M.J., _ Regional flood frequency analysis for ...
  • Kothyari, U.c., 2006. Estimation of hydrologic variables from ungauged catchments ...
  • artificial neural networks. In: Srinivasa Raju, K (Ed.), Predictions in ...
  • Nautiyal, M.D., 1994. Morphometric analysis of a drainage basin, District ...
  • Raju, KS., Nagesh Kumar, D., 2010. Multicriterion Analysis in Engineering ...
  • Rao, AR., Srinivas, VV, 208. Regi onalization of Watershed, An ...
  • Rao, KH.Y.D., Kumar, D.S., _ Spatial decision support system for ...
  • Ross, T.J., 1995. Fuzzy Logic with Engineering Applications. McGraw-Hil, New ...
  • Sewilam, H., Bartusseck, S., Nacken, H., _ Rule-based decision support ...
  • Singh, P.K, Kumar, V, Purohit, R.C., Kothari, M., Dashora, P.K, ...
  • Srinivasa, VS., Govindaiah, S., Honne Gowda, H., 2004. Morphometric analysis ...
  • Srinivasa Raju, K. Nagesh Kumar, D. 2011. Classification of microw ...
  • نمایش کامل مراجع