مقایسه عملکرد روش های نوین محاسباتی در خوشه بندی زیرحوضه ها براساس خصوصیات مورفولوژیکی

انتخاب و به کارگیری روش های خوشه بندی مناسب، جهت تسهیل در انتخاب روش های مدیریتی- حفاظتی یا شبیه-سازی های هیدرولوژیکی و هیدرولیکی در زیرحوضه های آبریز مشابه، از اهمیت بالایی برخوردار می باشد. در این راستا، تواناییسه روش خوشه بندی، تجزیه و تحلیل خوشه ای K-means ، تجزیه و تحلیل خوشه ای فازی و شبکه عصبی کوهنن جهتخوشه بندی زیرحوضه های، حوضه آبریز لای کرباس بردسیر و هروز راور در استان کرمان به ترتیب با تعداد 26 و 44زیرحوضه، مورد سنجش قرار گرفت. ده خصوصیت بارز مورفولوژیکی حوضه های آبریز موثر در تولید رواناب و حرکت رسوبمانند تراکم زهکشی، نسبت انشعاب، فراوانی آبراهه، طول جریان روی زمین، ضریب بافت، عامل شکل، نسبت کشیدگی،نسبت دایره ای، ضریب فشردگی و ضریب شکل جهت خوشه بندی، و دو شاخص اعتبارسنجی دیویس بولدین و دون برای تعیین تعداد بهینه خوشه ها، استفاده شدند. جهت بدست آوردن نتایج بهتر، همه داده ها نرمالیزه شدند. سپس با بررسیکه روی تعداد خوشه ها از 3 تا 10 انجام شد. به کمک دو شاخص دیویس بولدین و دون تعداد خوشه ها در زیرحوضه هایلایکرباس و هروز به ترتیب هفت و هشت پیشنهاد شد. مقایسه نتایج خوشه بندی بین روش های بکار برده شده در دو حوضهآبریز مورد مطالعه نشان داد که خوشه بندی ها در هر دو حوضه، بیش از 70 درصد با یکدیگر هم پوشانی دارند. از تجزیه وتحلیل میزان حساسیت شبکه عصبی کوهنن مشاهده شد که تعداد متفاوت تکرارها (1000، 3000 و 5000) و نرخ یادگیری(0/01 و 0/9-0/1) روی مجموع مربع خطا معنی دار بوده و روند ثابتی نداشته است. در مجموع روش خوشه بندی K-meansبه دلیل نیاز به پارامترهای کمتر و مطابقت بیشتر با روشهای دیگر خوشه بندی، مناسب تر تشخیص داده شده است.

کلیدواژه ها:

حوضه آبریز ، خوشه بندی ، خوشه بندی فازی ، شبکه عصبی کوهنن ، مورفولوژی