مقایسه الگوریتم تنبل و مدل 5 M در برآورد تراز سطح ایستابی (مطالعه موردی دشت نیشابور)

چکیده:
در سال های اخیر در بسیاری از کشورها برداشت آب منابع زیرزمینی از میزان تغذیه سالیانه آنها بیشتر بوده است. این امر باعث پایین افتادن سطح آب زیرزمینی و به دنبال آن خشک شدن چاه ها، قنات ها و چشمه شده است. در این تحقیق با توجه به اهمیت دشت نیشابور در تامین آب کشاورزی، شرب و صنعت منطقه، از الگوریتم های تنبل KNN، KSTARو LWL و مدل درختی 5M تحت هفت سناریوی مختلف، برای برآورد تراز سطح ایستابی این آبخوان استفاده شده است. برای مقایسه نتایج، آماره های ریشه متوسط خطای مربعات، ضریب همبستگی و متوسط قدر مطلق خطا مورد تحلیل قرار گرفت. نتایج نشان داد که سناریو fکه شامل پارامترهای حجم آب تخلیه شده و مجموع بارندگی می باشد، به دلیل در نظر نگرفتن پارامتر تراز سطح زمین، کارایی کمتری دارد. در سناریوی a، b و g با در نظر گرفتن پارامترهای مجموع بارندگی در ماه قبل، مجموع بارندگی در دو ماه قبل و تراز سطح زمین، برآورد مطلوب تری از تراز سطح ایستابی حاصل می شود. در بین مدل های الگوریتم تنبل و مدل درخت تصمیم 5M توانایی مدل KNN تحت سناریوی a در ماه آذر با داشتن 0/96=RZ د ، 56/6RMSE= و 53/3 MAE= از سایر مدل ها بیشتر می باشد. همچنین بررسی معیارهای ارزیابی نشان داد که مدل LWL ، مدل مناسبی برای پیش بینی تراز سطح ایستابی نمی باشد.
زبان:
فارسی
صفحات:
15 تا 26
لینک کوتاه:
magiran.com/p1762840 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!