شماره ركورد
1389330
عنوان مقاله
مدلسازي توان منابع آب زيرزميني با استفاده از مدل هاي يادگيري ماشيني
پديد آورندگان
سلامت ، احمد دانشگاه تهران، پرديس بين المللي كيش , اردستاني ، مجتبي دانشگاه تهران - دانشكده ي محيطزيست , ملك محمدي ، بهرام دانشگاه تهران - دانشكده ي محيطزيست
از صفحه
114
تا صفحه
132
كليدواژه
آب زيرزميني , بجنورد , ماشين بردار پشتيبان , يادگيري ماشيني
چكيده فارسي
مقدمه و هدف توان يابي منابع آب زيرزميني يكي از اصلهاي پايه در مديريت منابع آب است. هدف اين پژوهش توان يابي آب زيرزميني با استفاده از مدل هاي يادگيري ماشين بردار پشتيبان (SVM) و همچنين دستورالعمل هاي فراكاوشي (مدل تركيبي (هيبريدي) ماشين بردار پشتيبان و دستورالعمل بهينه سازي فراكاوشي زنبورعسل (SVM-BA) و مدل تركيبي ماشين بردار پشتيبان و دستورالعمل بهينه سازي فراكاوشي ازدحام ذرات (SVM-PSO) است. مواد و روش ها در اين پژوهش در منطقهي بجنورد عاملهاي بلندي، شيب، جهت، شاخص رطوبت پستيبلندي، فاصله از آبراهه، تراكم زهكشي، فاصله از گسل، سنگ شناسي، شاخص موقعيت پستيبلندي، شاخص ناهمواري زمين، موقعيت شيب نسبي و شاخص هم گرايي جريان انتخاب شدند. از شركت آب منطقه اي اطلاعات موقعيت 359 چشمه دريافت شد. دستورالعمل تقسيم بندي تصادفي براي تقسيم نقطههاي آموزشي (70%) و نقطههاي اعتبارسنجي (30%) استفاده شد. براساس تحليل حساسيت حذفي، اندازهي اهميت و مشاركت متغيرهاي ورودي در توان يابي آب زيرزميني مشخص شد. ارزيابي دقت مدلها در دو مرحلهي آموزش و اعتبارسنجي براساس روش منحني مشخصه عامل گيرنده (ROC) انجام شد. نتايج ارزيابي دقت مدلها براساس معيار ارزيابي مساحت زيرمنحني عامل گيرنده (AUC) نشان داد كه دقت پيش بيني مدل تركيبي ماشين بردار پشتيبان و دستورالعمل بهينه سازي فراكاوشي ازدحام ذرات (SVM-PSO) 945/0 بيشتر از ديگر مدل ها (SVM: 0.918 و SVM-BA: 0.932) بود. براساس نتايج مدل برتر در اين پژوهش 7/75% از سطح منطقه طبقهي توان زياد و 38/66% از سطح منطقه طبقهي توان خيليزياد را كسب كردند. از ميان عاملهاي، موقعيت شيب نسبي (14/5%)، فاصله از گسل (13/4%) و سنگ شناسي (12/3%) در پيش بيني توان آب زيرزميني بيشترين اهميت را داشتند. بحث و نتيجه گيري براساس نتايج اين پژوهش، عملكرد مدل ماشين بردار پشتيبان زياد بود و دو دستورالعمل بهينه سازي فراكاوشي زنبورعسل و فراكاوشي ازدحام ذرات موجب تقويت قدرت پيش بيني مدل شدند. همچنين مدل هاي يادگيري ماشيني مي توانند ارتباط ميان عاملهاي محيطي و آبدهي چشمه ها را شناسايي كنند و با بهكارگيري داده هاي موجود، نقش آن ها را تعيين كنند. عامل موقعيت شيب نسبي بهعنوان مهمترين متغير و عامل فاصله از گسل نيز بهعنوان دومين متغير مهم در اين پژوهش مشخص شدند. نتايج پژوهش نشان داد كه در تغذيهي بخش هاي زيرسطحي، ذخيره و جريان آب زيرزميني، گسل هاي منطقه نقش مهمي داشتند. با كاربرد مدل در شناسايي وضعيت توان آب زيرزميني عامل سنگ شناسي نيز بهعنوان سومين متغير مهم معرفي شد. در اين پژوهش، با پيشنهاد نقشهي توان آب زيرزميني، امكان برنامه ريزي و تدقيق آمايش سرزمين براي آبخيز بجنورد فراهم شد.
عنوان نشريه
پژوهشهاي آبخيزداري
عنوان نشريه
پژوهشهاي آبخيزداري
لينک به اين مدرک