پیوندهای مفید
آمار
| تعداد نشریات | 26 |
| تعداد شماره‌ها | 306 |
| تعداد مقالات | 2,641 |
| تعداد مشاهده مقاله | 3,963,836 |
| تعداد دریافت فایل اصل مقاله | 2,669,580 |
مدل‌سازی مکانی حساسیت اراضی به فرونشست با استفاده از مدلهای یادگیری ماشین (مطالعه موردی: دشت کوهدشت) | ||
| مدل سازی و مدیریت آب و خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 دی 1402 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22098/mmws.2023.13822.1368 | ||
| نویسندگان | ||
| پریا رحمانی1؛ حمید غلامی* 2؛ شهرام گلزاری3 | ||
| 1گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی؛ داتشگاه هرمزگان، بندرعباس، ایران | ||
| 2روه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی؛ داتشگاه هرمزگان، بندرعباس، ایران | ||
| 3دانشیار،گروه مهندسی برق وکامپیوتر، دانشکده فنی و مهندسی، دانشگاه هرمزگان، بندرعباس، ایران | ||
| چکیده | ||
| فرونشست زمین یکی از بزرگ‌ترین تهدیدهای زیست محیطی در سراسر جهان است که دارای پیامدهای منفی بر روی اکوسیستم‌‌‌‌‌های انسانی و طبیعی است. در این پژوهش با استفاده از چهار روش یادگیری ماشینBagged CART ، GAM ، Glmnet و PLS نسبت به مدل‌سازی مکانی فرونشست در دشت کوهدشت در استان لرستان پرداخته شد. جهت این امر ابتدا مهم‌ترین فاکتورهای تأثیرگذار بر فرونشست بررسی شد و در نهایت تعداد 16 فاکتور اصلی انتخاب گردید و لایه مکانی آن‌ها فراهم شد. در این تحقیق از الگوریتم فراابتکاری بهینه‌سازی ازدحام ذرات جهت انتخاب ویژگی‌ها و فاکتورهای اصلی استفاده شد. از بین 16 فاکتور ورودی، 11 فاکتور به عنوان ورودی مدلهای یادگیری ماشین انتخاب شدند در مرحله بعد با استفاده از نقاط فرونشست برداشت شده در سطح دشت جهت مدل‌سازی فرونشست استفاده گردید. ارزیابی نتایج مدل‌ها با استفاده از نمودار ROC و سطح زیر منحنی (AUC) انجام شد. نتایج نشان داد که مدلهای استفاده شده دارای کارایی قوی در مدل‌سازی فرونشست هستند. سطح زیرمنحنی برای مدل PLS، 981/0 به دست آمد که نشان داد این مدل برای تهیه نقشه حساسیت اراضی به فرونشست در دشت کوهدشت قابل قبول است. نقشه‌های فرونشست تهیه‌شده به وسیله مدل‌ها نشان داد که 37.78 درصد مساحت دشت در مدل PLS در کلاس خطر بسیار زیاد واقع شده است. هم‌چنین بررسی اهمیت معیارها با استفاده از روش اهمیت جایگشتی نشان داد که معیارهای فاصله از چاه، میزان ذرات درشت خاک، شیب و ارتفاع، فاکتور ظرفیت تبادل کاتیونی و افت آبخوان به عنوان مهم‌ترین معیارها انتخاب شدند. نتایج حاصل از این پژوهش می‌تواند به‌عنوان اطلاعات پایه به برنامه‌ریزان و مسئولان محلی به‌منظور ارزیابی، برنامه‌ریزی، مدیریت، استفاده پایدار و حفاظت از منابع آبی دشت کوهدشت در آینده کمک نماید. | ||
| کلیدواژه‌ها | ||
| مدلهای یادگیری ماشین؛ فرونشست؛ الگوریتم فراابتکاری بهینه‌سازی ازدحام ذرات؛ افت آب زیرزمینی؛ دشت کوهدشت لرستان | ||
|
آمار تعداد مشاهده مقاله: 72 |
||