امکان سنجی کاربرد روش های داده کاوی در تخمین طبقه کیفی آب رودخانه آجی چای

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 167

فایل این مقاله در 13 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_WASO-26-8_003

تاریخ نمایه سازی: 25 دی 1401

چکیده مقاله:

دسترسی به منابع آب پاک و با کیفیت یکی از دغدغه های اساسی انسان از دیرباز بوده است. از این رو تعیین کیفیت آب برای مصارف مختلف از جمله آبیاری در مناطق مختلف بسیار ضروری می باشد. در این تحقیق، ابتدا کیفیت آب آبیاری در رودخانه آجی چای در ۴ ایستگاه آخولا، ارزنق، مرکید و ونیار توسط دیاگرام USSL طبقه بندی شد. سپس امکان استفاده از روش های طبقه بندی کننده بردار پشتیبان، K-نزدیک ترین همسایگی و شبکه عصبی مصنوعی در تخمین طبقه کیفی آب با استفاده از پارامترهای هیدروشیمیایی مختلف مورد سنجش قرار گرفت. ارزیابی عملکرد روش های داده کاوی نشان دهنده دقت بالا و عملکرد بسیار مناسب این روش ها در تعیین طبقه کیفی آب می باشد. در این تحقیق بر اساس آماره های کاپا و نرخ خطا، روش های مورد استفاده از نظر دقت عملکرد رتبه بندی گردید. با بررسی دقیق نتایج مشاهده گردید که روش طبقه بندی کننده بردار پشتیبان که با بهره گیری از توابع کرنل توانایی بالایی در حل مسائل مختلف دارد، با میانگین رتبه ۲۵/۱ به عنوان کارامدترین روش داده کاوی و پس از آن روش K-نزدیک ترین همسایگی با میانگین رتبه ۷۵/۱ و شبکه عصبی مصنوعی با میانگین رتبه ۲ به عنوان روش هایی مناسب جهت تعیین طبقه کیفی آب می باشند.

کلیدواژه ها:

K-نزدیک ترین همسایگی ، دیاگرام USSL ، شبکه عصبی مصنوعی ، طبقه بندی کیفیت آب ، طبقه بندی کننده بردار پشتیبان

نویسندگان

محمدتقی ستاری

۱- استداریار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

علی رضازاده جودی

دانش آموخته کارشناسی ارشد عمران-آب، باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، 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 :
  • بانژاد ح، کمالی م، امیر مرادی ک و علیائی ا، ...
  • بذرافشان ا، سلاجقه ع، مهدوی م، بذر افشان ج و ...
  • پیش بینی کیفیت آب های سطحی با استفاده از روش درخت تصمیم [مقاله ژورنالی]
  • شهرابی ج و ذوالقدر شجاعی ع، ۱۳۹۰. داده کاوی پیشرفته، ...
  • میرزاوند م، قاسمیه ه، ساداتی نژاد س ج و اکبری ...
  • Anonymous, ۱۹۵۴. Diagnosis and Improvement of Saline and Alkali Soils: ...
  • Chebud Y, Naja GM, Rivero RG and Mellese AM, ۲۰۱۲. ...
  • Dogan E, Sengorur B and Koklu R, ۲۰۰۹. Modeling biological ...
  • Kumar MN, Murthy CS, Sesha Sai MVR and Roy PS, ...
  • Modaresi F, Araghinejad S, ۲۰۱۴. A comparative assessment of support ...
  • Saghebian SM, Sattari MT, Mirabbasi R and Pal M, ۲۰۱۴. ...
  • Sahu M, Mahapatra SS, Sahu HB and Patel RK, ۲۰۱۱. ...
  • Sattari MT, Rezazazadeh Joudi A and Kusiak A, ۲۰۱۵. Estimation ...
  • Sengorur B, Koklu R and Ates A, ۲۰۱۵. Water quality ...
  • Vapnik VN, ۱۹۹۵. The Nature of Statistical Learning Theory. Springer-Verlag, ...
  • Yang Su M, ۲۰۱۱. Real-Time anomaly detection systems for denial-of-service ...
  • نمایش کامل مراجع