این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های فرسایش محیطی، جلد ۱۲، شماره ۲، صفحات ۰-۰
عنوان فارسی مدل سازی نرخ فرسایش و رسوب رودخانه سجاسرود قبل و بعد از ساخت سد گلابر با الگوریتم های یادگیری ماشین
چکیده فارسی مقاله احداث سد بر روی رودخانه ها هم در بالا دست و هم در پایین دست منجر به تغییرات ژئومورفولوژی و زیست محیطی گسترده ای می شود. در همین راستا جهت ارزیابی اثرات سد گلابر در دوره قبل و بعد از ساخت سد از روش های یادگیری ماشین بهره گرفته شد. جهت دسترسی به داه های مورد نیاز این پژوهش از مدل های رقومی ارتفاعی تصاویر ماهواره ای استر به صورت سری زمانی استفاده شد. ابتدا از طریق مدل GCD تغییرات حجمی میزان فرسایش و رسوب در پایین دست سد محاسبه گردید. سپس داده های حاصل از این مدل به عنوان متغیر هدف در کنار لایه های نه گانه ژئومورفومتری و بارش و رواناب به عنوان داده های پیش بین جهت پیاده کردن الگوریتم های یادگیری ماشین به سه روش رگرسیون خطی چندگانه، درخت تصمیم و جنگل تصادفی بکار گرفته شدند. 70 درصد داده ها برای مدلسازی و 30 درصد داده ها برای ارزیابی در نرم افزار برنامه نویسی R استفاده شدند. نتایج مدل سازی نشان داد بهره برداری از سد به شدت در میزان فرسایش و رسوب بستر رودخانه اثرگذار بوده و الگوریتم Random Forest با ضریب همبستگی بالای 70 درصد و RMSE کمتر از دو مدل دیگر، بهترین پیش بینی را برای هر دو دوره قبل و بعد از ساخت سد را نشان داد. نقشه های تولید شده با روش درخت تصمیم نیز روند فرسایش و رسوب را در بستر رودخانه در هر دو دوره سری زمانی را به خوبی مدل سازی کرد؛ اما خروجی مدل رگرسیون خطی از دقت کافی برخوردار نبود. جهت ارزیابی اجمالی الگوریتم های یادگیری ماشین، علاوه بر ارزیابی با داده های آزمایشی خود مدل ها، با نتایج میانگین کلی برخی از شاخص های مورفومتری رودخانه مانند تعداد پیچانرود، زاویه مرکزی، طول کانال، شاخص سینوزیته نیز مورد ارزیابی قرار گرفتند.
کلیدواژه‌های فارسی مقاله رسوب، سجاسرود،فرسایش ، یادگیری ماشین،GCD
عنوان انگلیسی Modeling the erosion and sedimentation rate of Sojasrood river before and after construction of Golaber dam with machine learning algorithms
چکیده انگلیسی مقاله The construction of dams on rivers, both upstream and downstream, leads to extensive geomorphological and environmental changes. In this regard, machine learning methods were used to evaluate the effects of the Golaber Dam in the period before and after the construction of the dam. In order to access the data required for this research, digital elevation models of satellite Aster images were used as a time series. First, through the GCD model, the volume changes of erosion and sediment downstream of the dam were calculated. Then, the data obtained from this model were used as a target variable along with nine layers of geomorphometry and precipitation and runoff as predictive data to implement machine learning algorithms in three methods of multiple linear regression, decision tree, and random forest. 70 % of the data were used for modeling and 30 % of the data were used for evaluation in R programming software. The results of modeling showed that dam utilization was strongly effective in erosion and sedimentation of the river bed and the Random Forest algorithm with a correlation coefficient above 70% and RMSE less than the other two models showed the best prediction for both periods before and after dam construction. The maps produced by the decision tree method also modeled the erosion and sedimentation process in the riverbed in both time series well, but the output of the linear regression model was not accurate enough. For an overview of machine learning algorithms, in addition to evaluating the experimental data of the models themselves, the overall average results of some morphometric indices of the river such as a number of meander, center angle, channel length, Sinuosity index were also evaluated. This comparison showed the accuracy of modeling decision tree and random forest algorithms.
کلیدواژه‌های انگلیسی مقاله Key Words, Erosion, Sediment, GCD, Machine learning, Sediment,Sojasrood
نویسندگان مقاله حسن مظفری | Hassan Mozaffari
University of Mohaghegh Ardabili
دانشگاه محقق اردبیلی

صیاد اصغری سراسکانرود | Sayyad Asghari Saraskanrood
University of Mohaghegh Ardabili
دانشگاه محقق اردبیلی

فریبا اسفندیاری |
گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی

نشانی اینترنتی http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-855-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
نوع مقاله منتشر شده مستخرج از پایان‌نامه / رساله / طرح پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات