تلفيق پارامترهاي ژئومرفومتري و تكنيك‌هاي هوش مصنوعي در برآورد بار معلق

علوم و مهندسي آبخيزداري گرايش آبخيزداري شهري

3/5/2017 12:00:00 AM

آگاهي از ميزان رسوب معلق رودخانه‌ها يكي از مسائل اساسي در پروژه‌هاي آبي است كه طراحان تأسيسات آبي همواره با آن روبرو بوده‌اند. برآوردهاي اشتباه از ميزان انتقال بار معلق مي‌تواند سبب طراحي نادرست و تخريب سازه‌هاي آبي گردد. تاكنون مدل‌هاي مختلفي با ساختارهاي گوناگون جهت برآورد بار رسوبي ارائه گرديده است. لذا در اين مطالعه در بخش اول به بررسي كارايي پارامترهاي ژئومورفومتري و تكنيك‌هاي داده‌كاوي به‌منظور پيش‌بيني بار رسوب معلق در 68 حوزه واقع در دو منطقه‌ي متفاوت از ايران پرداخته شده است. به همين منظور شش مدل شبكه عصبي مصنوعي، رگرسيون خطي، K نزديك‌ترين همسايه، فرآيند گوسي، ماشين‌بردار پشتيبان و ماشين‌بردار پشتيبان تكاملي بر روي دو نوع از داده‌هاي بار رسوب معلق (رسوب حداقل و متوسط) اجرا گرديد. با هدف بهينه‌سازي مدل‌ها از پارامترهاي ژئومورفومتري و دبي رودخانه به‌عنوان داده‌هاي ورودي‌ به مدل و از تكنيك كاهش ويژگي به‌منظور كاهش حجم فضاي الگوريتم‌ها استفاده شد. در بخش دوم پژوهش كارايي شاخص‌هاي ماهواره‌اي در برآورد بار رسوبي با استفاده از مدل‌هاي داده‌كاوي به چالش كشيده شد. همچنين به وزن‌دهي پارامترها در پيش‌بيني پرداخته شد. در بخش سوم مطالعه سؤال اصلي بررسي نقش انواع داده‌هاي روزانه، ماهانه و سالانه در برآورد بار رسوبي با استفاده از مدل‌هاي مبتني بر يادگيري ماشين بود. در اين بخش با توجه به نياز به آمار با رزولوشن‌هاي زماني مناسب، از آمار بار معلق ايستگاه‌هاي هيدرومتري اوهايو آمريكا استفاده گرديد و سرانجام در بخش چهارم مطالعه نيز توانمندي روش منحني سنجه رسوب در مقايسه با برخي روش‌هاي داد كاوي به چالش كشيده شد. نتايج بخش اول نشان داد بهترين روش جهت پيش‌بيني رسوب متوسط رودخانه مدل فرآيند گوسي با ضريب همبستگي 98/0 و ميانگين مجذور مربعات 00/11 بوده و مناسب‌ترين روش پيش‌بيني رسوب حداقل مدل ماشين‌بردار تكاملي با ضريب همبستگي 99/0 و ميانگين مجذور مربعات 17/0 مي‌باشد. نتايج بخش دوم مطالعه نيز حاكي از آن بود كه در صورت استفاده از پارامترهاي ژئومورفومتري به‌عنوان ورودي مدل مقدار RMSE بيشتر شده و در مقابل با استفاده از شاخص‌هاي ماهواره‌اي، ميزان RMSE كاهش مي‌يابد. با تلفيق پارامترهاي ژئوموفومتري و شاخص‌هاي ماهواره‌اي ميزان دقت تمام مدل‌ها افزايش يافته است. نتايج حاصل از وزن‌دهي نيز نشان داد كه شاخص‌هاي Clay index، b5 و NDVI داراي بيشترين تأثير در پيش‌بيني بار رسوبي معلق مي‌باشند. نتايج حاصل از بخش سوم نيز نشان داد كه براي داده‌هاي روزانه، ماهانه و سالانه به ترتيب مدل‌هاي k نزديك‌ترين همسايه و مدل فرآيند گوسي مناسب‌ترين مدل جهت پيش‌بيني بوده است. همچنين مقايسه مقادير ارزيابي نشان داد كه پيش‌بيني داده‌هاي سالانه نسبت به روزانه و ماهانه كمترين مجموع مربعات باقيمانده و بيشترين ضريب همبستگي را داشته است. نتايج بخش چهارم نيز نشان داد مدل فرآيند گوسي در مقايسه با ساير مدل‌ها با كمترين مجموع مربعات باقيمانده (RMSE) و بيشترين ضريب همبستگي (r) نسبت با ساير مدل‌ها از كارآيي بيشتري برخوردار است.

76507

دانشگاه اردکان

فتح‌زاده علي Fathzadeh Ali