سال 12، شماره 2 - ( تابستان 1401 )
جلد 12 شماره 2 صفحات 204-172 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Asghari Saraskanrood S, Mozaffari H, Esfandiari F. Modeling the Erosion and Sedimentation Rate of Sojasrood River before and after Construction of Golaber Dam with Machine Learning Algorithms. E.E.R. 2022; 12 (2) :172-204
URL: http://magazine.hormozgan.ac.ir/article-1-695-fa.html
URL: http://magazine.hormozgan.ac.ir/article-1-695-fa.html
اصغری سراسکانرود صیاد، مظفری حسن، اسفندیاری فریبا. مدلسازی نرخ فرسایش و رسوب رودخانه سجاسرود قبل و بعد از ساخت سد گلابر با الگوریتم‌های یادگیری ماشین. پژوهش هاي فرسايش محيطي. 1401; 12 (2) :172-204
گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل ، s.asghari@uma.ac.ir
چکیده: (2935 مشاهده)
احداث سد بر روی رودخانه‌ها هم در بالادست و هم در پایین‌دست، به تغییرات ژئومورفولوژی و زیست‌محیطی گسترده‌ای منجر می‌شود. در همین راستا برای ارزیابی اثرات سد گلابر در دوره قبل و بعد از ساخت سد، از روش‌های یادگیری ماشین استفاده شد. برای دسترسی به داده‌های موردنیاز این پژوهش نیز از مدل‌های رقومی ارتفاعی تصاویر ماهواره‌ای استر به‌صورت سری زمانی استفاده شد. ابتدا از طریق مدل GCD، تغییرات حجمی میزان فرسایش و رسوب در پایین‌دست سد محاسبه شد. سپس از داده‌های حاصل از این مدل به‌عنوان متغیر هدف در کنار لایه‌های نه‌گانه ژئومورفومتری و بارش و رواناب به‌عنوان داده‌های پیش‌بین، برای پیاده کردن الگوریتم‌های یادگیری ماشین به سه روش رگرسیون خطی چندگانه، درخت تصمیم و جنگل تصادفی استفاده شد. از هفتاد درصد داده‌ها برای مدلسازی و از سی درصد آنها برای ارزیابی در نرم‌افزار برنامه‌نویسی R استفاده شد. نتایج مدلسازی نشان داد که بهره‌برداری از سد، در میزان فرسایش و رسوب بستر رودخانه به شدت اثرگذار بود که در مدل RF سری زمانی اول، ضریب همبستگی و خطای RMSE به ترتیب 0.77 و 0.87 به دست آمد. اما برای دوره بعد از بهره‌برداری از سد، این ارقام به ترتیب 0.71 و 0.89 بود. نقشه‌های تولیدشده با روش درخت تصمیم نیز روند فرسایش و رسوب را در بستر رودخانه در هر دو دور سری زمانی به‌خوبی مدلسازی کرد، اما خروجی مدل رگرسیون خطی دقت کافی نداشت. برای ارزیابی اجمالی الگوریتم‌های یادگیری ماشین علاوه بر ارزیابی با داده‌های آزمایشی خود مدل‌ها، با نتایج میانگین کلی برخی از شاخص‌های مورفومتری رودخانه مانند تعداد پیچانرود، زاویه مرکزی، طول کانال و شاخص سینوزیته نیز ارزیابی شد.
نوع مطالعه: مستخرج از پایان‌نامه / رساله / طرح پژوهشی |
موضوع مقاله:
مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
دریافت: 1400/9/18 | انتشار: 1401/4/1
دریافت: 1400/9/18 | انتشار: 1401/4/1
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
