دانشگاه تبریز
فهرست نشریات دارای اعتبار وزارت علوم، تحقیقات و فناوری
پایگاه استنادی علوم جهان اسلام (ISC)

آمار

تعداد نشریات41
تعداد شماره‌ها1,035
تعداد مقالات12,704
تعداد مشاهده مقاله14,206,056
تعداد دریافت فایل اصل مقاله11,705,197
علیمرادی, هژیر, روحی مقدم, عین اله, خالقی, مهسا, بامری, ابوالفضل. (1401). پیش‌بینی و پهنه‌بندی کیفیت آب زیرزمینی با استفاده از مدل‌های سیستم اطلاعات جغرافیایی (GIS) و روش‌های یادگیری ماشین‌ (مطالعه موردی: دشت زاهدان). سامانه مدیریت نشریات علمی, (), -. doi: 10.22034/hydro.2022.48571.1250
هژیر علیمرادی; عین اله روحی مقدم; مهسا خالقی; ابوالفضل بامری. "پیش‌بینی و پهنه‌بندی کیفیت آب زیرزمینی با استفاده از مدل‌های سیستم اطلاعات جغرافیایی (GIS) و روش‌های یادگیری ماشین‌ (مطالعه موردی: دشت زاهدان)". سامانه مدیریت نشریات علمی, , , 1401, -. doi: 10.22034/hydro.2022.48571.1250
علیمرادی, هژیر, روحی مقدم, عین اله, خالقی, مهسا, بامری, ابوالفضل. (1401). 'پیش‌بینی و پهنه‌بندی کیفیت آب زیرزمینی با استفاده از مدل‌های سیستم اطلاعات جغرافیایی (GIS) و روش‌های یادگیری ماشین‌ (مطالعه موردی: دشت زاهدان)', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22034/hydro.2022.48571.1250
علیمرادی, هژیر, روحی مقدم, عین اله, خالقی, مهسا, بامری, ابوالفضل. پیش‌بینی و پهنه‌بندی کیفیت آب زیرزمینی با استفاده از مدل‌های سیستم اطلاعات جغرافیایی (GIS) و روش‌های یادگیری ماشین‌ (مطالعه موردی: دشت زاهدان). سامانه مدیریت نشریات علمی, 1401; (): -. doi: 10.22034/hydro.2022.48571.1250

پیش‌بینی و پهنه‌بندی کیفیت آب زیرزمینی با استفاده از مدل‌های سیستم اطلاعات جغرافیایی (GIS) و روش‌های یادگیری ماشین‌ (مطالعه موردی: دشت زاهدان)

هیدروژئولوژی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 25 خرداد 1401  XML
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22034/hydro.2022.48571.1250
نویسندگان
هژیر علیمرادی1؛ عین اله روحی مقدم1؛ مهسا خالقی email 2؛ ابوالفضل بامری3
1دانشگاه زابل، دانشکده آب و خاک
2دانش آموخته دکتری، گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل، زابل، ایران
3دانشگاه زابل دانشکده آب و خاک
چکیده
روند صعودی جمعیت در چند دهه اخیر، محدودیت منابع آب و بهره‌برداری بیش ازحد از سفره‌های زیرزمینی باعث به بارآمدن خسارات غیرقابل جبران کمی و کیفی به آبخوان‌های کشور شده است. در تحقیق حاضر مدل‌های سیستم اطلاعات جغرافیایی (GIS) و تکنیک‌های یادگیری ماشین (ML) با استفاده از متغیرهای کیفی قابل دسترس به منظور پیش‌بینی و پهنه‌بندی شوری و SAR آب زیرزمینی و مقایسه دقت روش‌های مذکور در محدوده دشت زاهدان مورد ارزیابی قرار گرفت. داده‌های ورودی بر اساس نمونه‌برداری‌های کیفیت آب در سال آبی 1397 از 59 حلقه چاه مشاهداتی بود. بررسی پارامترها نشان داد که در دشت زاهدان، پارامترهای EC، SAR و TDS دارای تغییرپذیری زیاد (41%CV> ) و اسیدیته دارای تغییرپذیری کم (16/4 %CV= ) می‌باشد. نتایج تحلیل‌های زمین‌آماری نشان داد که برای پارامترهای TDS و EC مدل IDW با توان دو و برای پارامترهای pH و SAR روش کریجینگ معمولی با حداقل RMSE بهترین نتیجه را در مرحله آزمون ارائه داد. ارزیابی عملکرد مدل‌های یادگیری ماشین نشان داد که هر سه مدل RF، ANN و SVM با کسب R2 بالای 90 درصد و مقادیر NRMSE زیر 15 درصد برای همه پارامترها (با استثنای اسیدیته) نتایج قابل‌قبولی ازخود نشان دادند. هرچند در مرحله آموزش تخمین‌های بهتری نسبت به مرحله آزمون مشاهده شد. مقایسه مدل‌های مختلف GIS و یادگیری ماشین نیز حاکی از برتری قابل‌توجه مدل‌های یادگیری ماشین در تخمین پارامترهای مورد بررسی می‌باشد. در نهایت می‌توان نتیجه گرفت که درشرایط نبود امکانات برای بررسی میدانی کیفیت آب زیرزمینی، روش‌های داده‌محور جایگزین قابل اطمینانی برای پایش کیفی آب می‌باشد.
کلیدواژه‌ها
پایش منابع آب؛ جنگل تصادفی؛ داده‌کاوی؛ سیستان و بلوچستان؛ هدایت الکتریکی
آمار
تعداد مشاهده مقاله: 6


Contact Us | Help & Support | Site Map

Journal Management System. Designed by sinaweb.