شاخص های سنجش از دوری چه اندازه میتوانند موجب بهبود برآورد بار معلق شوند؟
Authors
abstract
در این پژوهش کارایی شاخص‌های ماهوارهای و پارامترهای ژئومورفومتری در برآورد بار رسوبی با استفاده از مدلهای مبتنی بر هوش مصنوعی و دادهکاوی به چالش کشیده شده است. بدین منظور، نخست مدلها به کمک پارامترهای ژئومورفومتری مستخرج از مدل رقومی ارتفاعی و شاخص‌های ماهوارهای بهینهسازی شد و نزدیکترین داده‌های دبی و رسوب به زمان تصاویر ماهوارهای خروجی مدل درنظر گرفته شد. پس از اجرای الگوریتمها، به وزندهی پارامترها و تعیین میزان تأثیرشان در پیش‌بینی بار رسوبی معلق پرداخته شد. نتایج نشان داد عملکرد مدلها با ورودیهای مختلف گوناگون است. مقادیر rmse مدلها بیانگر آن است که در صورت استفاده از پارامترهای ژئومورفومتری به عنوان ورودی مدل مقدار rmse بیشتر است و در مقابل با استفاده از برخی شاخصها به عنوان ورودی مدلها میزان rmse کاهش مییابد؛ به طوری که در مدل فرایند گوسی با ورودی پارامترهای ژئومورفومتری مقدار۱۰/۳۵ rmse= و در صورت ورودی شاخص‌های تصاویر ماهوارهای مقدار 7/513rmse= است. با تلفیق پارامترهای ژئومورفومتری و شاخصها میزان دقت همه مدلها افزایش یافته و مدل فرایند گوسی با 026/5rmse= بیشترین دقت را داشته است. نتایج حاصل از وزندهی نیز نشان داد که شاخص‌های clay index (average) و b5 (average) و ndvi (max) دارای بیشترین وزن بوده و بیشترین تأثیر را در پیش‌بینی بار رسوبی معلق داشتهاند.
similar resources
شاخص‌های سنجش از دوری چه اندازه میتوانند موجب بهبود برآورد بار معلق شوند؟
در این پژوهش کارایی شاخص‌های ماهوارهای و پارامترهای ژئومورفومتری در برآورد بار رسوبی با استفاده از مدلهای مبتنی بر هوش مصنوعی و دادهکاوی به چالش کشیده شده است. بدین منظور، نخست مدلها به کمک پارامترهای ژئومورفومتری مستخرج از مدل رقومی ارتفاعی و شاخص‌های ماهوارهای بهینهسازی شد و نزدیکترین داده‌های دبی و رسوب به زمان تصاویر ماهوارهای خروجی مدل درنظر گرفته شد. پس از اجرای الگوریتمها، به وز...
full textبررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته‌بندی‌شده
بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...
full textتعیین مناسب ترین روش برآورد بار معلق در رود سیستان
رسوب‌گذاری در مسیر رودها از بزرگ‌ترین مشکلات منابع آب سطحی به‌شمار آمده و باعث واردشدن زیان‌هایی به بناها و مزرعه‌ها و تغییر مسیر رودها می‌شود. روش‌های مختلفی برای تخمین بار رسوبی به‌کار برده‌می‌شوند اما به نحوه‌ی استفاده و دقت آن‌ها کم‌تر توجه شده است. در این پژوهش رود رسوب‌گذار سیستان در انتهای حوزه‌ی آبخیز رود هیرمند با شیبی ملایم و طول تقریبی 70 کیلومتر انتخاب شد. از آمار داده‌های متناظر ...
full textMy Resources
Save resource for easier access later
Journal title:
پژوهش های جغرافیای طبیعیجلد ۴۹، شماره ۱، صفحات ۱۳۵-۱۴۹
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023