کاربرد مدل درختی M5 در پیشبینی خشکسالی (مطالعه‌ی موردی: مراغه، ایران)
نویسندگان
چکیده مقاله:
در کشورهای خشک و نیمه خشکی مانند ایران، پیشبینی دقیق خشکسالیها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم‌های منابع آب ایفا می‌کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسبترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیشبینی SPI از مدل درختی M5 استفاده گردید. بدین منظور از دادههای بارش ماهانه ایستگاه همدیدی مراغه در یک دورهی 25 ساله (89-1365) استفاده و شاخص SPI در مقیاس 6 ماهه استخراج گردید. نـتایج نشان داد که شهرسـتان مراغه در دو دهـهی اخیر با خشکسالیهای پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M5 اقدام به پیشبینی مقادیر شاخص SPI در مقیاس زمانی 6 ماهه برای 1 تا 12 ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاسهای زمانی گذشته بیشترین تأثیر را نسبت به پارامترهای دیگر در پیشبینی شاخص بارش استاندارد شده دارد و با افزایش طول دورهی پیشبینی از دقت مدت کاسته میشود. به طوری که در محاسبه SPI6 برای یک ماه آینده مقدار ضریب همبستگی حدود 94/0 به دست آمد که این مقدار برای 12 ماه آینده به حدود 40/0 کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M5 با ارایهی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتاً بالایی در پیشبینی خشکسالی برخوردار است.
منابع مشابه
کاربرد الگوریتم درختی M5 در برآورد رسوب معلق رودخانه‌ها
برآورد میزان بار رسوب در بسیاری از پروژههای آبی از قبیل ﻃﺮاﺣﻲ ﺳﺪﻫﺎ و ﺣﻮﺿﭽﻪﻫﺎی ذﺧﻴﺮه آب ﺳﻄﺤﻲ، اﻧﺘﻘﺎل رﺳﻮب و آﻟﻮدﮔﻲ در رودﺧﺎﻧﻪها و درﻳﺎﭼﻪها و نیز ﻃﺮاحی ﻛﺎﻧﺎلها و ﻧﮕﻬﺪاری آن‌ها اهمیت زیادی دارد. روشهای متداول برآورد بار رسوب عمدتا دقت پایینی داشته و نتایج روشهای مختلف تفاوت زیادی با یکدیگر دارد. بر همین اساس در این تحقیق پس از تهیه دادههای دبی رسوب مربوط به ایستگاههای هیدرومتری جوکنک، بهبها...
متن کاملارزیابی عملکرد روش ANFIS و مدل درختی M5 در مدل سازی ضریب دبی سرریز کرامپ
در این تحقیق برای ارزیابی عملکرد روش سیستم استنتاج فازی- عصبی تلفیقی (ANFIS) و مدل درختی M5 در مدلسازی ضریب دبی جریان سرریز کرامپ از دادههای آزمایشگاهی استفاده گردید. نتایج 174 دسته داده حاصل از آزمایش انجام‌گرفته با مدل فیزیکی، در 16 سناریو با ترکیب پارامترهای ورودی مختلف و با استفاده از مدل درختی M5 و روش ANFISجهت برآورد ضریب دبی جریان سرریز کرامپ به عنوان پارامتر خروجی مورد استفاده قرار گ...
متن کاملارزیابی عملکرد روشهای مدل درختی M5 و رگرسیون بردار پشتیبان در مدلسازی رسوب معلق رودخانه
همواره پدیده انتقال رسوب، بسیاری از سازههای رودخانه‌‌ای و سازههای عمرانی را تحت تاثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب میشود. از این جهت برآورد صحیح بار رسوبی در رودخانه‌ها از نقطه نظر رسوب، فرسایش و کنترل سیلاب بسیار حایز اهمیت است. در این تحقیق، از دو روش نوین داده‌کاوی شامل مدل درختی M5 و رگرسیون بردار پشتیبان برای برآورد بار رسوبی معلق رودخانه اهرچای در مقایس...
متن کاملپیش بینی بارش ماهانه با مدل درختی M5 و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه(
در این تحقیق جهت تخمین دادههای بارش ماهانه ایستگاه ارومیه که از سال 2006 تا 2007 مفقود فرض شده است از روشهای آماری کلاسیک و مدل درختی M5 با استفاده از نرم‌افزارWeka و به کارگیری ایستگاههای مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاههای مورد مطالعه، ایستگاه مهاباد با (r=0.90) بیشترین همبستگی را با ایستگاه ارومیه داشت. 26 سناریو از آمار ده ساله ایستگاههای مجاور در تخمین ب...
متن کاملپیشبینی مقادیر بارش ماهانه با استفاده از شبکههای عصبی مصنوعی و مدل درختی M5 (مطالعۀ موردی: ایستگاه اهر)
بارش یکی از مهمترین اجزای چرخۀ آب است و در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی ایفا می‌کند. تخمین مقادیر بارش ماهانه برای اهداف مختلفی چون، برآورد سیلاب، خشکسالی، برنامهریزی آبیاری و مدیریت حوضههای آبریز، اهمیت زیادی دارد. پیشبینی بارش در هر منطقهای نیازمند وجود دادههای دقیق اندازهگیریشدهای مانند، رطوبت، دما، فشار، سرعت باد و غیره است. محدودیتهایی چون، نبود اطلاعات کافی در مو...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 2 شماره 8
صفحات 73- 92
تاریخ انتشار 2016-11-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023