مقایسه عملکرد روشهای نوین محاسباتی در خوشهبندی زیرحوضهها براساس خصوصیات مورفولوژیکی

چکیده : انتخاب و به کارگیری روش های خوشه بندی مناسب جهت تسهیل در انتخاب روش های مدیریتی، حفاظتی و یا شبیه ساز یهای هیدرولوژیکی و هیدرولیکی در زیرحوضه های مشابه، از اهمیت k- بالایی برخوردار م یباشد. در این راستا، توانایی سه روش خوشه بندی، تجزیه و تحلیل خوشه ای تجزیه و تحلیل خوشه ای فازی و شبکه عصبی کوهنن جهت خوشه بندی زیرحوضه های ،means یک حوضه مورد ارزیابی قرار گرفت. روش های پیشرفته محاسباتی یاد شده در حوضه های آبریز، لا یکرباس بردسیر و هروز راور در استان کرمان با تعداد زیرحوضه های بترتیب، ?? و ?? مورد سنجش قرار گرفتند. ده خصوصیت بارز مورفولوژیکی حوضه آبریز موثر در تولید رواناب و حرکت رسوب مانند، تراکم زهکشی، نسبت انشعاب، فراوانی آبراهه، طول جریان روی زمین، ضریب بافت، عامل شکل، نسبت کشیدگی، نسبت دایر های، ضریب فشردگی و ضریب شکل برای خوشه بندی، و دو شاخص اعتبارسنجی دیویس بولدین و دون برای تعیین تعداد بهینه خوشه ها، استفاده شد. برای بدست آوردن نتایج بهتر از روش های خوشه بندی همه داد هها نرمالیزه شد. سپس با بررسی که روی تعداد خوشه از ? تا ?? به کمک شاخص های دیویس بولدین و دون انجام شد، این شاخص ها تعداد خوشه ها را برای خوشه بندی زیرحوضه های، لا یکرباس و هروز بترتیب، هفت و هشت پیشنهاد داد. مقایسه نتایج خوشه بند ی، بین روش های بکار برده شده در دو حوضه آبریز مورد مطالعه نشان داد که خوشه بند یها در هر دو حوضه، بیش از ?? درصد با یکدیگر هم پوشانی دارند . از تجزیه و تحلیل میزان حساسیت شبکه عصبی کوهنن مشاهده شد که تعداد ?) روی مجموع مربع /?-?/ ? و ? / ???? و ???? ) و نرخ یادگیری ( ?? ، متفاوت تکرارها ( ???? خطا معن یدار بوده و روند ثابتی نداشته است. واژه های کلیدی: حوضه آبریز، خوشه بندی، خوشه بندی فازی، شاخص های اعتبارسنجی، شبکه