مدلسازی بارش روزانه تبریز با روشهای درختی ادغام شده با تجزیه فصلی-روند و رویکرد دستهبندی | ||
| آب و خاک | ||
| مقاله 7، دوره 36، شماره 3 - شماره پیاپی 83، مرداد و شهریور 1401، صفحه 407-420 اصل مقاله (686.95 K) | ||
| نوع مقاله: مقالات پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/jsw.2022.76512.1161 | ||
| نویسندگان | ||
| سحر جاویدان1؛ محمدتقی ستاری* 2؛ شکوه محسن زاده1 | ||
| 1گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران | ||
| 2دانشگاه تبریز | ||
| چکیده | ||
| بارش بهعنوان یک متغیر تصادفی با داشتن تغییرات مکانی و زمانی یکی از عناصر پیچیده در چرخه هیدرولوژی است. هدف پژوهش حاضر برآورد میزان بارش روزانه تبریز در بازه زمانی 36 ساله (1986-2021) با استفاده از گروه روشهای درختی شامل، مدل درختی M5P، درخت تصادفی، کاهش خطای هرس درخت و روش دستهبندی است. بدین منظور از مقادیر بارش ایستگاههای حوضه دریاچه ارومیه از جمله سهند، سراب، ارومیه، مراغه و مهاباد در ترکیبهای ورودی مختلف استفاده شد. ماتریس همبستگی و الگوریتم رلیف مبنای انتخاب سناریوهای ورودی در نظر گرفته شد و تأثیر مؤلفههای تجزیه فصلی-روند در بهبود نتایج مدلسازی بررسی شد. عملکرد روشهای مذکور با معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، ضریب نش ساتکلیف، میانگین خطای قدر مطلق و ضریب ویلموت اصلاح شده مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد رویکرد دستهبندی در اکثر موارد نتایج قابل قبولی ارائه نموده و باعث بهبود نتایج مدلسازی میگردد. بررسیها مشخص نمود که ایستگاه سهند با بیشترین همبستگی و کمترین فاصله از تبریز، مؤثرترین ایستگاه مجاور در برآورد میزان بارش تبریز میباشد. در حالت اول و بدون اعمال مؤلفههای تجزیه (روند، فصلی و باقیمانده) در بین روشهای مورد استفاده روش M5P با سناریو اول شامل بارش سهند بهعنوان روش و سناریو برتر انتخاب شد. در حالت دوم با وارد شدن مؤلفههای تجزیه، دقت تخمینها بهصورت چشمگیری افزایش یافت. ادغام روش دستهبندی با الگوریتم پایه M5P با پارامترهای بارش سهند و باقیمانده بارش تبریز با R=0.98 و NS=0.95 بهعنوان برترین حالت انتخاب گردید. در حالت کلی نتایج نشان داد، بهرهگیری توأم از رویکرد دستهبندی مدلها و الگوریتم پیشپردازش مؤلفههای تجزیه باعث بهبود نتایج مدلسازی بارش روزانه تبریز میشود. به طوریکه مقدار خطای RMSE نسبت به حالت اول 64/60 درصد کاهش یافت. بنابراین به علت استفاده از حداقل تعداد پارامتر ورودی و ارائه نتایج قابل قبول، مدلهای دستهبندی با الگوریتم پایه درختی بهعنوان روشهای ساده و پرکاربرد پیشنهاد میگردد. | ||
| کلیدواژهها | ||
| تجزیه؛ حوضه دریاچه ارومیه؛ رویکرد دستهبندی؛ مدلهای درختی؛ ویلموت اصلاح شده | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 5,011 تعداد دریافت فایل اصل مقاله: 2,000 |
||