استاد،گروه جغرافیای طبیعی، دانشکده علوم اجتماعی،دانشگاه محقق اردبیلی، اردبیل، ایران
چکیده: (18 مشاهده)
با توجه به اینکه رودخانه قره سو یکی از مهم ترین رودخانه های پرآب و نقش اساسی در آبیاری و تامین آب کشاورزی وباغات دارد به همین منظور از پنج مدل یادگیری ماشین شامل جنگل تصادفی، نزدیک ترین همسایه، رگرسیون خطی، تقویت گرادیان و شبکه عصبی مصنوعی برای پیش بینی دبی رودخانه در دو ایستگاه سامیان و ارباب کندی در حوضه پایاب قره سو انجام گرفت. در این پژوهش ابتدا داده های گمشده دبی رودخانه و اقلیمی حذف گردیدند. علاوه براین، برای عملیات دقیق تر میانگین متحرک 7 روزه و میانگین دبی و مجموع بارش سه روزه در نظر گرفته شد. برای پیش بینی مدل ها 70 درصد برای آموزش، 15 درصد برای اعتبار سنجی و 15 درصد برای ارزیابی در نظر گرفته شد. در نهایت نتایج نشان داد در ایستگاه سامیان مدل تقویت گرادیان با ضریب تعیین 0.8617 و ریشه میانگین مربعات خطا 0.6317 بهترین عملکرد را داشته است در مقابل، در ایستگاه ارباب کندی الگوریتم جنگل تصادفی با ضریب تعیین 0.7461 و ریشه میانگین مربعات خطا با مقدار 1.1726 بهترین نتیجه را ارائه داده است. همچنین در دو ایستگاه سامیان و ارباب کندی الگوریتم نزدیک ترین همسایه با ضریب تعیین 0.7207 و 0.5340 و ریشه میانگین مربعات خطا با مقدار1.2760 و 1.1597 به ترتیب بدترین عملکرد را در پیش بینی دبی رودخانه داشته است.
نوع مطالعه: پژوهشي |
موضوع مقاله: تخصصي دریافت: 1405/4/17 | ویرایش نهایی: 1405/6/27 | پذیرش: 1405/6/27 | انتشار الکترونیک پیش از انتشار نهایی: 1405/6/27
تکمیل و ارسال فرم تعارض منافع نویسنده گرامی ، پس از ارسال مقاله ، جهت دریافت فرم، لطفا بر روی کلمه فرم تعارض منافع کلیک نمایید و پس از تکمیل، در فایل های پیوست مقاله قرار دهید.
