مدل سازی بارش روزانه تبریز با روش های درختی ادغام شده با تجزیه فصلی-روند و رویکرد دسته بندی
محل انتشار: فصلنامه آب و خاک، دوره: 36، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 148
فایل این مقاله در 14 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_JSW-36-3_007
تاریخ نمایه سازی: 9 مهر 1401
چکیده مقاله:
بارش به عنوان یک متغیر تصادفی با داشتن تغییرات مکانی و زمانی یکی از عناصر پیچیده در چرخه هیدرولوژی است. هدف پژوهش حاضر برآورد میزان بارش روزانه تبریز در بازه زمانی ۳۶ ساله (۱۹۸۶-۲۰۲۱) با استفاده از گروه روش های درختی شامل، مدل درختی M۵P، درخت تصادفی، کاهش خطای هرس درخت و روش دسته بندی است. بدین منظور از مقادیر بارش ایستگاه های حوضه دریاچه ارومیه از جمله سهند، سراب، ارومیه، مراغه و مهاباد در ترکیب های ورودی مختلف استفاده شد. ماتریس همبستگی و الگوریتم رلیف مبنای انتخاب سناریوهای ورودی در نظر گرفته شد و تاثیر مولفه های تجزیه فصلی-روند در بهبود نتایج مدل سازی بررسی شد. عملکرد روش های مذکور با معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، ضریب نش ساتکلیف، میانگین خطای قدر مطلق و ضریب ویلموت اصلاح شده مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد رویکرد دسته بندی در اکثر موارد نتایج قابل قبولی ارائه نموده و باعث بهبود نتایج مدل سازی می گردد. بررسی ها مشخص نمود که ایستگاه سهند با بیشترین همبستگی و کمترین فاصله از تبریز، موثرترین ایستگاه مجاور در برآورد میزان بارش تبریز می باشد. در حالت اول و بدون اعمال مولفه های تجزیه (روند، فصلی و باقیمانده) در بین روش های مورد استفاده روش M۵P با سناریو اول شامل بارش سهند به عنوان روش و سناریو برتر انتخاب شد. در حالت دوم با وارد شدن مولفه های تجزیه، دقت تخمین ها به صورت چشمگیری افزایش یافت. ادغام روش دسته بندی با الگوریتم پایه M۵P با پارامترهای بارش سهند و باقیمانده بارش تبریز با R=۰.۹۸ و NS=۰.۹۵ به عنوان برترین حالت انتخاب گردید. در حالت کلی نتایج نشان داد، بهره گیری توام از رویکرد دسته بندی مدل ها و الگوریتم پیش پردازش مولفه های تجزیه باعث بهبود نتایج مدل سازی بارش روزانه تبریز می شود. به طوریکه مقدار خطای RMSE نسبت به حالت اول ۶۴/۶۰ درصد کاهش یافت. بنابراین به علت استفاده از حداقل تعداد پارامتر ورودی و ارائه نتایج قابل قبول، مدل های دسته بندی با الگوریتم پایه درختی به عنوان روش های ساده و پرکاربرد پیشنهاد میگردد.
کلیدواژه ها:
نویسندگان
سحر جاویدان
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
محمدتقی ستاری
دانشگاه تبریز
شکوه محسن زاده
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، 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 :