مدل‌سازی مکانی پتانسیل منابع آب زیرزمینی آبخیز تلوار با استفاده از مدل‌های ماشین بردار پشتیبان و جنگل تصادفی

سیفی سلسله, ادریس; قربانی, محمدصدیق قربانی; َعالی, نگین

doi:10.22092/wmrj.2021.354418.1407

تعداد نشریات	278
تعداد نشریات سازمان	77
تعداد شماره‌ها	2,193
تعداد مقالات	25,444
تعداد مشاهده مقاله	13,749,826
تعداد دریافت فایل اصل مقاله	11,019,948

	مدل‌سازی مکانی پتانسیل منابع آب زیرزمینی آبخیز تلوار با استفاده از مدل‌های ماشین بردار پشتیبان و جنگل تصادفی
پژوهش های آبخیزداری
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 29 شهریور 1400
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22092/wmrj.2021.354418.1407
نویسندگان
ادریس سیفی سلسله¹؛ محمدصدیق قربانی قربانی ²؛ نگین َعالی²
¹دانشجوی کارشناسی ارشد ژئومورفولوژی، گروه جغرافیا، دانشگاه پیام نور، ایران
²گروه جغرافیا، دانشگاه پیام نور، تهران، ایران
چکیده
چکیده: در این تحقیق سعی بر آن است تا وضعیت پتانسیل منابع آب زیرزمینی بخش‌های مختلف آبخیز تلوار با استفاده از دو مدل یادگیری ماشینی شامل مدل ماشین بردار پشتیبان و مدل جنگل تصادفی شناسایی گردد. در ابتدا اطلاعات مربوط به چاه‌های منطقه از شرکت آب منطقه‌ای کردستان دریافت شد. چاه‌های موجود در منطقه بصورت تصادفی به دو گروه آموزش (شامل 70 درصد داده‌ها) و اعتبارسنجی (شامل 30 درصد داده‌ها) تقسیم شد. عوامل ارتفاع، شیب زمین، جهت شیب، سنگ شناسی، خاک شناسی، انحنای سطح، کاربری اراضی، شاخص رطوبت توپوگرافی و فاصله از رودخانه به عنوان متغیرهای پیش‌بینی کننده انتخاب شدند و نقشه آن‌ها در محیط سیستم اطلاعات جغرافیایی تهیه گردید. داده های گروه آموزش به همراه نقشه های مربوط به متغیرهای پیش‌بینی کننده به مدل ماشین بردار پشیبان و مدل جنگل تصادفی وارد گردید. براساس داده های گروه آموزش، پارامترهای مدل کالیبره و تنظیم شده و پیش بینی پتانسیل منابع آب زیرزمینی انجام گردید. دقت پیش بینی مدل ها با استفاده از روش آماری منحنی مشخصه عملکرد در دو مرحله آموزش و اعتبارسنجی تعیین گردید. نتایج نشان داد که مدل جنگل تصادفی (98.4 درصد) دقت بیشتری نسبت به مدل ماشین بردار پشتیبان (98.1 درصد) داشت. واژگان کلیدی: آب زیرزمینی، مدلسازی، سیستم اطلاعات جغرافیایی، آبخیز تلوار
کلیدواژه‌ها
آب زیرزمینی؛ مدلسازی؛ سیستم اطلاعات جغرافیایی؛ آبخیز تلوار
عنوان مقاله [English]
Spatial modeling of groundwater resources potential in Telvar Watershed using support vector machine and random forest models
نویسندگان [English]
Edris Sayfi Selseleh¹؛ Mohammad Sedigh Ghorbani²؛ Negin Aali²
¹Msc. Student, Department of Geography, Payame Noor University, Iran
²Department of Geography, Payame Noor University, Tehran, Iran
چکیده [English]
Abstract In this research, it is tried to identify the potential status of groundwater resources in different parts of the Telvar watershed using two machine learning models including support vector machine and random forest models. Initially, information about the wells in the region was received from the Regional Water Company of Kurdistan. The wells in the area were randomly divided into two groups of training (including 70% of data) and validation (including 30% of data). Elevation, slope, slope direction, lithology, pedology, surface curvature, land use, topographic moisture index and distance from the river were selected as predictor variables and their map was prepared in the GIS environment. The data of the training group along with the maps related to the predictor variables were entered into the support vector machine model and the random forest model. Based on the data of the training group, the parameters of the model were calibrated and adjusted and the potential of groundwater resources was predicted. The prediction accuracy of the models was determined using the statistical method of performance characteristic curve in two stages of training and validation. The results showed that accuracy of the random forest model (98.4%) was more than the support vector machine model (98.1%). Keywords: Groundwater, modeling, GIS, Telvar Watershed
کلیدواژه‌ها [English]
Groundwater, modeling, GIS, Telvar Watershed

مراجع

آمار تعداد مشاهده مقاله: 6

Journal Management System. Designed by sinaweb.

آمار

مدل‌سازی مکانی پتانسیل منابع آب زیرزمینی آبخیز تلوار با استفاده از مدل‌های ماشین بردار پشتیبان و جنگل تصادفی