تحلیل عملکرد روش های هیدرولوژیکی و داده-مبنا در برآورد میزان رسوب معلق
محل انتشار: فصلنامه محیط زیست و مهندسی آب، دوره: 8، شماره: 2
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 144
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-8-2_014
تاریخ نمایه سازی: 29 مرداد 1401
چکیده مقاله:
مدل های داده مبنا به عنوان یک جایگزین برای روش های هیدرولوژیکی در محاسبات مربوط به تخمین رسوب مطرح هستند. هدف پژوهش حاضر مقایسه عملکرد و دقت روش های هیدرولوژیکی و داده- مبنا در برآورد میزان رسوب معلق بود. بدین منظور داده های دبی و رسوب در بازه زمانی yr ۲۰ (۱۳۹۹-۱۳۸۰) جمع آوری و سپس میزان رسوب معلق ایستگاه هیدرومتری باغ کلایه بر روی رودخانه الموت در استان قزوین برآورد شد. در این پژوهش از روش های هیدرولوژیکی شامل منحنی سنجه رسوب، فائو و روش اصلاح گر و روش های داده-مبنای برنامهریزی بیان ژن، یادگیری بر پایه نمونه K و رگرسیون خطی استفاده شد. عملکرد روش های مذکور با معیارهای R، RRMSE و NS مورد ارزیابی قرار گرفت. نتایج نشان داد که به ترتیب روش یادگیری بر پایه نمونه K با معیارهای ارزیابی ۹۴/۰ R=، ۲۹/۰= RRMSE و ۲۴/۰= NS و روش برنامه ریزی بیان ژن با ۸۵/۰ R=، ۵۹/۰= RRMSE و ۶۵/۰= NS رسوب معلق را با دقت بیشتری نسبت به سایر روش های موردمطالعه برآورد کرده است. بدین ترتیب برتری روشهای داده-مبنا در برآورد میزان رسوب معلق در منطقه موردمطالعه به اثبات رسید. ازاین روی استفاده از روشهای داده-مبنا به عنوان رقیب و جایگزین روشهای هیدرولوژیکی برای تخمین میزان رسوب معلق در مناطقی شبیه با منطقه موردمطالعه توصیه می شود.
کلیدواژه ها:
نویسندگان
سحر جاویدان
دانشجوی ارشد گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
محمدتقی ستاری
دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
پریا کریم زاده
دانشجوی کارشناسی ارشد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
احمد مهرابی
دکترای مهندسی آب، کارشناس دفتر مطالعات منابع آب، شرکت آب منطقه ای استان قزوین، قزوین، 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 :