کاربرد الگوریتم‌های داده‌کاوی در تفکیک منابع رسوبی حوزۀ آبخیز نوده گناباد

Authors

Abstract:

Introduction: Reduction of sediment supply requires the implementation of soil conservation and sediment control programs in the form of watershed management plans. Sediment control programs require identifying the relative importance of sediment sources, their quantitative ascription and identification of critical areas within the watersheds. The sediment source ascription is involves two main steps so that in the first, several diagnostic tracers are selected for obvious and significant separation of potential sources of sediment and in the second step selected tracers for potential sources of sediment are compared, with corresponding values extracted from the sediment samples taken in the watershed outlet. Also, due to the large amount and complexity of data available, nowadays in geo- and environmental sciences, we face the need to develop and incorporate more robust and efficient methods for their analysis and modelling. Therefore recent fundamental progress in data mining algorithms can considerably contribute to the development of the emerging field - environmental data science.  Methodology: According to what was said, in this research, the data mining algorithms used to separate sediment sources in the Nodeh watershed of Gonabad located in Razavi-Khorasan province by using the geochemical (includes the 21 elements of Mg, Sr, Mn, Ba, Zn, Y, V, Ti, Pb, P, Na, Li, K, Cu, Cr, Co, Ce, B, Ca, Al and Fe), granulometric (includes the D90, D50, D10, percent of sand, percent of silt, percent of clay, skewness and kurtosis and the diameters less than 1, 2 and 4 millimeters and less than 500, 250, 125 and 63 microns) and lithological variables (includes the quartz, tuff, laterite, dacite, andesite, dolomite, calcite, andesitic tuff, lithic andesite and salt). A set of 11 classification algorithms includes the decision tree, random forest, regression methods, discriminant analysis, local linear model tree, nearest neighbor analysis, support vector machine, logistic regression, artificial neural network, pattern recognition and group method of data handling programmed in the MATLAB software and the results compared based on the coefficient of determination and mean squared error.  Results and Discussion: Study of geochemical element concentrations in 7 geological units showed that the Ca, Fe, Mg and Al elements have the highest and B and Co have the lowest concentrations within the soil samples. Overall evaluation of classification algorithms in training stage showed that the discriminant analysis, random forest, k nearest neighbor and support vector machines with linear, polynomial, multiple and RBF kernels with maximum values of the coefficient of determination (R2=1) and minimum values of the mean squared error (RMSE=0) are the most accurate algorithms in sediment source separation but the regression trees method has the worst performance.  Also, at testing stage, the support vector machines with RBF kernel was the most accurate and the classification trees with maximum error rate was the most inaccurate algorithm. Also, entrance of geochemical and granulometric variables lead to the highest and lowest accuracy in the sediment source separation, respectively. Using the geochemical variables for the separation of sediment sources, types of support vector machines, nearest neighbor analysis, discriminant analysis and the random forest algorithm had the highest coefficients of determination and lowest error values in the training and testing stages. By entering the lithological variables, the random forest algorithm had the highest accuracy for the sediment sources classification in the training and testing stages and the discriminant analysis and support vector machines were located thereafter. Finally, fitting the classification algorithms using granulometric variables showed that the support vector machines had highest accuracy in the training and testing stages of models and the random forest and nearest neighbor analysis were ranked thereafter.  Conclusion:Totally, due to the proper accuracy and performance of data mining classifier algorithms, application of these methods in the natural sciences is suggested especially in the large amounts of data. These algorithms are used to find patterns in large sets of data and help classify new information. Especially, the support vector machines that are supervised classifier algorithms and besides that, in the natural sciences have successful results. In the watershed management considering the time and cost, sediment source ascriptions are difficult to obtain using monitoring techniques, but data mining procedures, have emerged as a potentially valuable alternative. Therefore, application and evaluation of these methods are suggested for further studies and natural sciences data.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تجارت آب مجازی و کاربرد آن در حوزۀ آبخیز (مطالعۀ موردی: حوزۀ آبخیز برآفتاب حاجی‌آباد و پایاب رودان، استان هرمزگان)

مشکل افت آب‌های زیرزمینی و کمبود آب در اغلب دشت‌های استان هرمزگان امری اجتناب‌ناپذیر است که در اثر استفادۀ بی‌رویه و عدم مدیریت مناسب در جهت عرضه و تقاضای آب در بخش کشاورزی رخ داده است. در تحقیق حاضر به محاسبۀ بیلان آب مجازی در بخش کشاورزی (صادرات و واردات آب مجازی) و ارزش آن در دو حوزۀ آبخیز با دو اقلیم متفاوت در شمال (حوزۀ آبخیز برآفتاب حاجی‌آباد) و شرق (حوزۀ آبخیز پایاب رودان) استان هرمزگان ...

full text

مشارکت منابع رسوبی حوضه‌ای و آبراهه‌ای در تامین بار رسوب معلق رگبار در آبخیز گلازچای

تولید رسوب معلق فرایندی غالب در بسیاری از حوضه‌ها محسوب می‌شود و سهم مهمّی را در تولید رسوب کل خروجی از آنها بر عهده دارد. با وجود این، تعیین مشارکت منابع اصلی مکانی رسوب در حوضه‌‌ها به‌عنوان یکی از مبانی اصلی تبیین شیوه‌های مدیریت رسوب کمتر مورد توجه قرار گرفته است. لذا، تحقیق موردی حاضر با هدف بررسی مشارکت منابع رسوبی حوضه‌ای و آبراهه‌ای در تولید رسوب معلق کل در حوضه‌ی ‌گلازچای در استان آذربای...

full text

وقایع‌نگاری رسوبات پشت سازه‌های آبخیزداری بر اساس تغییرات عمقی خصوصیات رسوبی (مطالعۀ موردی: حوزۀ آبخیز حسن‌ابدال زنجان)

سن­یابی رسوبات به روش­های مختلفی صورت می­گیرد. در کلیۀ روش­ها، سن­یابی رسوبات با هزینه­های زیاد و با امکانات تحقیقاتی فراوان انجام می­شود. هدف از تحقیق حاضر که در حوزۀ ­آبخیز حسن­ابدال زنجان انجام شده این است که نتایج دانه­بندی رسوبات با آمار بارندگی تطبیق داده شود و بررسی شود که آیا از طریق دانه­بندی و به­دست آوردن خصوصیات رسوب و تغییرات آن می­توان سن­یابی انجام داد یا نه؟ در این تحقیق ابتدا 4...

full text

کاربرد تحلیل شبکه در شناخت کنشگران کلیدی شبکۀ ذینفعان محلی در راستای استقرار مدیریت مشارکتی منابع طبیعی (منطقۀ مورد مطالعه: حوزۀ آبخیز سرایان، استان خراسان جنوبی)

مفهوم مدیریت مشارکتی امروزه به عنوان رویکردی کاربردی و نوین در مدیریت عرصه­های طبیعی مطرح می­گردد. این رویکرد ﻧﮕﺮشی ﺟﺎﻣﻊ ﺑﺮﺍﻱ ﺟﻠﺐ ﻣﺸﺎﺭﻛﺖ ﻓﺮﺩﻱ ﻭ ﮔﺮﻭﻫﻲ ذینفعان ﺟﻬﺖ دستیابی به مدیریت پایدار و توانمندی جوامع محلی می­باشد. لذا شناسایی اثرگذارترین کنشگران در تصمیمات محلی گامی مهم در جهت تحقق این مهم است. هدف از این پژوهش تعیین قدرت­های اجتماعی و ذینفعان کلیدی در دو بازۀ زمانی قبل و بعد از اجرای یک پر...

full text

بررسی و تفکیک محیط های رسوبی کواترنری در دشت خوزستان

بخش زیادی از سطح دشت خوزستان (خصوصاً در بخش‌های غربی و جنوبی) از رسوبات کواترنری پوشیده شده است ولی تاکنون هیچ‌گونه مطالعه و تفکیکی بر روی این رسوبات انجام نگردیده است. در این پژوهش به‌وسیله تصاویر ماهواره‌ای، عملیات میدانی و مطالعات آزمایشگاهی، محیط‌های رسوبی دشت خوزستان، مورد بررسی و تفکیک قرار گرفت. محیط‌های رسوبی کواترنری شناسایی شده در دشت خوزستان شامل محیط‌های مخروط افکنه ای، رودخانه‌ای، پ...

full text

تحلیل شبکۀ اجتماعی ذینفعان محلی در حکمرانی منابع آب (منطقۀ مورد مطالعه‌: حوزۀ آبخیز خرو علیا – شهرستان نیشابور)

مدیریت منابع آب یکی از حساس‌ترین و درعین‌حال پیچیده‌ترین اشکال مدیریت منابع است و از طرفی حکمرانی منابع آب به‌عنوان ارزشمندترین منبع طبیعی حوزه‌های آبخیز با دخیل نمودن بهره‌برداران محلی جهت مدیریت مشارکتی منابع آب یکی از ضروریات برنامۀ امنیت آب محسوب می‌شود. بر این اساس به تحلیل شبکۀ اجتماعی به‌منزلۀ یک رویکرد در تحلیل روابط ذینفعان محلی به‌منظور مدیریت پایدار منابع آب توجه شده است. هدف از این ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 19

pages  81- 94

publication date 2018-08

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023