جستجوی مقالات مرتبط با کلیدواژه « درختان رگرسیونی » در نشریات گروه « آبخیزداری، بیابان، محیط زیست، مرتع »
تکرار جستجوی کلیدواژه «درختان رگرسیونی» در نشریات گروه «کشاورزی»-
برآورد مقدار مواد رسوبی که یک جریان مشخص قادر به حمل آن است یکی از موضوعات اصلی تحقیقات رسوب میباشد که در بسیاری از پروژههای مهندسی همچون برنامهریزی و طراحی منابع ذخیره آب، مورفولوژی و تغییرات بستر رودخانه برآورد رسوب سالیانه برای آبگیرهای رودخانه، طراحی و نگهداری کانالهای آبیاری پایدار، حفاظت سواحل، لایروبی کانالها و غیره حایز اهمیت میباشد. بررسی پدیده رسوبدهی و برآورد رسوب حمل شده توسط رودخانه اهمیت خاصی دارد و گسترش شیوههای نوین تخمین رسوب که دارای سهولت کاربرد باشند در این میان نقش مهمی خواهد داشت. در این تحقیق سعی بر آن است با استفاده از شیوهی درختان تصمیمگیری رگرسیونی، بار رسوب بستر برآورد شود و سپس بار رسوب بستر برآورد شده با چند روش تجربی رایج (مانند روابط مییر پیتر مولر، شیلدز، اینشتین براون، شوکلیچ و...) مقایسه گردد تا میزان کارایی این روش در مقایسه با شیوههای رایج برآورد رسوب مشخص گردد. دادههای ایستگاه پل یزدکان واقع بر رودخانه قطورچای در استان آذربایجان غربی که رودخانهای کوهستانی با بستر شنی است و حجم رسوبات بالایی دارد، استفاده شد. بعد از بررسی صحت و پالایش دادهها، طول دوره آماری برابر با 8 سال (1388- 1380) و 76 داده در نظر گرفته شد. از این میزان دادهها 80 درصد آن برای آموزش و 20 درصد آن برای آزمون مورد استفاده قرار گرفتهاست. بهترین ترکیب ورودی که بهترین انطباق نتایج را نشان داد، شامل دبی آب متناظر (همزمان با برداشت رسوب)، دبی رسوبات معلق متناظر، عمق آب و سرعت جریان است. دبی رسوب بستر تنها متغیر خروجی بوده است. نتایج کمی بهترین درخت تصمیم نشان داد که مقدار MAE=2134، RMSE=2668، R=89% میباشد که مقایسه نتایج درختان رگرسیونی با فرمولهای تجربی (اینشتین-برآون، مییر پیتر مولر، راتنر، کالینسکی، شوکلیج و...)، حاکی از دقت بیشتر درخت تصمیم در برآورد رسوبات بستر است.
کلید واژگان: بار بستر, برآورد رسوب, درختان رگرسیونی, روش های تجربی}Estimation of the amount of sediment material (carried by a specific stream) is one of the main topics of sediment research. Sediment research is important in many engineering projects such as planning and design of water storage resources, morphology and changes in river bed, annual sediment estimation for reservoirs, sustainable irrigation, coastal protection, channel dredging, and etc.The evaluation of the sediment occurrences, and estimation of the sediment carried by rivers has a special importance and it is necessary to develop new methods with easy application for estimating the sediment transport. This study seeks to develop a method to be able to predict the amount of bedload with classification and regression trees and compare with some well-known empirical formulas such as Meyer Petter Muller, Shields, Einstein Brown, and Shoklitch. Measured data from Yazdakan station, located in Qotour River in Azarbayjan Gharbi, northwest of Iran, has been used in this research. It is a mountainous river with gravel bed that carries a high volume of sedimentation. A set of 76 field measurements over 8 years was used in modeling after verification and refinement. The model was trained on 80 percent of data and tested on the remained 20 percent. The best input contained whole four variables; flow discharge, suspended sediment discharge, flow depth and velocity, and the output was bedload discharge. The quantitative results of the best Decision Tree include MAE = 2134, RMSE = 2668 and % R = 89. The results of Regression Trees demonstrate more accuracy in the prediction of bedload compared with empirical formulas.
Keywords: Bedload, Empirical methods, Estimation of sediment, Regression trees}
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.