ارائه مدلی مبنی بر ترکیب روش آماری عامل اطمینان و روش بگینگ به منظور اکتشاف آب زیرزمینی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 125

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-50-10_016

تاریخ نمایه سازی: 2 خرداد 1402

چکیده مقاله:

با توجه به تغییرات اقلیمی و رشد جوامع شهری، نیاز به آب زیرزمینی و اکتشاف این منابع رو به افزایش است؛ بنابراین هدف از تحقیق حاضر، تهیه نقشه پتانسیل سطح آب زیرزمینی با استفاده از سیستم اطلاعات مکانی (GIS) در منطقه ای واقع در دشت بوشهر با استفاده از ترکیب روش آماری عامل اطمینان با روش داده کاوی بگینگ است. بدین منظور در گام اول، ۳۳۹ موقعیت چاه در منطقه موردمطالعه مشخص گردید و به صورت تصادفی، ۲۳۸ چاه (۷۰ درصد) به عنوان نقاط آموزشی و ۱۰۱ چاه (۳۰ درصد) به عنوان نقاط اعتبارسنجی تعیین گردید. در گام بعد، ۱۵ عامل تاثیرگذار بر تجمع آب زیرزمینی مانند ارتفاع، زاویه شیب، جهت شیب، طول شیب، انحنای سطح، انحنای آبراهه، شاخص رطوبت توپوگرافی، فاصله از گسل، تراکم گسل، فاصله از رودخانه، تراکم آبراهه، بارندگی، لیتولوژی، پوشش اراضی و نوع خاک در نرم افزار ArcGIS ۱۰.۳ و Saga GIS تهیه گردید. رابطه مکانی بین پارامترهای موثر و موقعیت چاه ها با استفاده از مدل عامل اطمینان مشخص گردید و به منظور پیاده سازی مدل بگینگ از این وزن ها استفاده شد. به منظور ارزیابی دقت مدل ترکیبی از شاخص های ضریب تعیین، RMSE و MAE استفاده شد و همچنین به منظور ارزیابی دقت نقشه های تهیه شده از منحنی تشخیص عملکرد نسبی (ROC) و سطح زیر آن (AUC) استفاده گردید. نتایج حاصل از ارزیابی نشان می دهد که مقادیر شاخص های ضریب تعیین، RMSE و MAE برای داده های آموزشی و اعتبارسنجی به ترتیب برابر ۷۶ درصد، ۲۴۷/۰، ۱۶۲/۰، ۵/۷۳ درصد، ۲۵۶/۰ و ۱۶۹/۰ است. نتایج ارزیابی منحنی ROC نشان می دهد که سطح زیر منحنی به ترتیب ۲/۸۶ و ۸/۹۴ درصد برای مدل های عامل اطمینان و ترکیب مدل عامل اطمینان با مدل داده کاوی بگینگ است.

کلیدواژه ها:

پتانسیل سطح آب زیرزمینی ، مدل عامل اطمینان ، مدل بگینگ ، سیستم اطلاعات مکانی (GIS)

نویسندگان

سید وحید رضوی ترمه

دانشجو دکتری سامانه اطلاعات جغرافیایی (GIS)، دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

مجید رحیم زادگان

ایران، تهران، دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده عمران، گروه منابع آب

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Al-Abadi, A. M., Al-Temmeme, A. A., & Al-Ghanimy, M. A. ...
  • Ayazi, M. H., Pirasteh, S., Arvin, A. K. P., Pradhan, ...
  • Breiman, L. (۱۹۹۶). Bagging predictors. Machine learning, ۲۴(۲), ۱۲۳-۱۴۰ ...
  • Bui, D. T., Ho, T. C., Pradhan, B., Pham, B. ...
  • Chen, W., Shahabi, H., Shirzadi, A., Li, T., Guo, C., ...
  • Chen, W., Li, H., Hou, E., Wang, S., Wang, G., ...
  • Clapcott, J., Goodwin, E., & Snelder, T. (۲۰۱۳). Predictive Models ...
  • Ercanoglu, M., & Gokceoglu, C. (۲۰۰۲). Assessment of landslide susceptibility ...
  • Fitts, C. R. (۲۰۰۲). Groundwater science: Elsevier ...
  • Golkarian, A., Naghibi, S. A., Kalantar, B., & Pradhan, B. ...
  • Greenbaum, D. (۱۹۹۲). Structural influences on the occurrence of groundwater ...
  • Israil, M., Al-Hadithi, M., & Singhal, D. C. (۲۰۰۶). Application ...
  • Jha, M. K., Chowdary, V. M., & Chowdhury, A. (۲۰۱۰). ...
  • Jha, M. K., Chowdhury, A., Chowdary, V. M., & Peiffer, ...
  • Jothibasu, A., & Anbazhagan, S. (۲۰۱۶). Modeling groundwater probability index ...
  • Kanungo, D. P., Sarkar, S., & Sharma, S. (۲۰۱۱). Combining ...
  • Khosravi, K., Panahi, M., & Tien Bui, D. (۲۰۱۸). Spatial ...
  • Kordestani, M. D., Naghibi, S. A., Hashemi, H., Ahmadi, K., ...
  • Lee, S., & Lee, C.-W. (۲۰۱۵). Application of decision-tree model ...
  • Lee, S., Hong, S.-M., & Jung, H.-S. (۲۰۱۸). GIS-based groundwater ...
  • Lee, S., Hyun, Y., & Lee, M.-J. (۲۰۱۹). Groundwater Potential ...
  • Lee, S., Kim, Y. S., & Oh, H. J. (۲۰۱۲). ...
  • Mair, A., & El-Kadi, A. I. (۲۰۱۳). Logistic regression modeling ...
  • Mogaji, K., Lim, H., & Abdullah, K. (۲۰۱۵). Regional prediction ...
  • Moore, I. D., Grayson, R., & Ladson, A. (۱۹۹۱). Digital ...
  • Moore, I., & Burch, G. (۱۹۸۶). Sediment transport capacity of ...
  • Mukherjee, S., Aadhar, S., Stone, D., & Mishra, V. (۲۰۱۸). ...
  • Naghibi, S. A., Ahmadi, K., & Daneshi, A. (۲۰۱۷). Application ...
  • Naghibi, S. A., Pourghasemi, H. R., & Abbaspour, K. (۲۰۱۸). ...
  • Naghibi, S. A., Pourghasemi, H. R., Pourtaghi, Z. S., & ...
  • Nampak, H., Pradhan, B., & Manap, M. A. (۲۰۱۴). Application ...
  • Oh, H. J., Kim, Y. S., Choi, J. K., Park, ...
  • Osati, K., Koeniger, P., Salajegheh, A., Mahdavi, M., Chapi, K., ...
  • Pham, B. T., Jaafari, A., Prakash, I., Singh, S. K., ...
  • Pourghasemi, H., Moradi, H., & Aghda, S. F. (۲۰۱۳). Landslide ...
  • Rahmati, O., Samani, A. N., Mahdavi, M., Pourghasemi, H. R., ...
  • Razandi, Y., Pourghasemi, H. R., Neisani, N. S., & Rahmati, ...
  • Razavi Termeh, S., Mesgari, M., kazemi, K. (۲۰۱۷). Evaluation and ...
  • Tahmassebipoor, N., Rahmati, O., Noormohamadi, F., & Lee, S. (۲۰۱۶). ...
  • Termeh, S. V. R., Kornejady, A., Pourghasemi, H. R., & ...
  • Zhang, S., Zhang, C., & Yang, Q. (۲۰۰۳). Data preparation ...
  • نمایش کامل مراجع