مدل سازی نرخ فرسایش و رسوب رودخانه سجاسرود قبل و بعد از ساخت سد گلابر با الگوریتم های یادگیری ماشین
احداث سد بر روی رودخانه ها هم در بالادست و هم در پایین دست، به تغییرات ژیومورفولوژی و زیست محیطی گسترده ای منجر می شود. در همین راستا برای ارزیابی اثرات سد گلابر در دوره قبل و بعد از ساخت سد، از روش های یادگیری ماشین استفاده شد. برای دسترسی به داده های موردنیاز این پژوهش نیز 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 شد. سپس از داده های حاصل از این مدل به عنوان متغیر هدف در کنار لایه های نه گانه ژیومورفومتری و بارش و رواناب به عنوان داده های پیش بین، برای پیاده کردن الگوریتم های یادگیری ماشین به سه روش رگرسیون خطی چندگانه، درخت تصمیم و جنگل تصادفی استفاده شد. از هفتاد درصد داده ها برای مدل سازی و از سی درصد آنها برای ارزیابی در نرم افزار برنامه نویسی R استفاده شد. نتایج مدل سازی نشان داد که بهره برداری از سد، در میزان فرسایش و رسوب بستر رودخانه به شدت اثرگذار بود که در مدل RF سری زمانی اول، ضریب همبستگی و خطای RMSE به ترتیب 0.77 و 0.87 به دست آمد. اما برای دوره بعد از بهره برداری از سد، این ارقام به ترتیب 0.71 و 0.89 بود. نقشه های تولیدشده با روش درخت تصمیم نیز روند فرسایش و رسوب را در بستر رودخانه در هر دو دور سری زمانی به خوبی مدل سازی کرد، اما خروجی مدل رگرسیون خطی دقت کافی نداشت. برای 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 و شاخص سینوزیته نیز ارزیابی شد.
رسوب ، سجا سرود ، فرسایش ، یادگیری ماشین ، GCD
- 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.