برآورد عمق برف به عنوان یکی از پیامدهای تغییرات آب و هوایی با استفاده از رویکرد مدل ترکیبی حداقل مربعات ماشین بردار پشتیبان و الگوریتم ژنتیک

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CCR-3-12_002

تاریخ نمایه سازی: 20 اسفند 1401

چکیده مقاله:

از جمله اثرات مستقیم و مشهود تغییرات آب و هوایی، دگرش در میزان بارش برف در مناطق مختلف جغرافیایی است. این در حالی است که بارش برف در حوضه های کوهستانی همواره به عنوان مهم ترین منبع تامین منابع آب در فصول خشک تلقی می شود. یکی از آشکارترین ویژگی های پوشش برف کوهستان، ناهمگنی مکانی آن می باشد. به دلیل محدودیت های عملی، جمع آوری داده ها به ویژه در مقیاس های وسیع، دشوار و گاهی غیرممکن بوده و استفاده از روش های غیرمستقیم توصیه می شود. در این پژوهش کارایی حداقل مربعات ماشین بردار پشتیبان در مدل سازی عمق برف و همچنین اثر کاهش ویژگی با مدل الگوریتم ژنتیک در منطقه کوهستانی چلگرد ایران مورد بررسی قرار گرفت. ابتدا با استفاده از روش هایپرکیوب محل ۱۰۰ نقطه مشخص و داده های عمق برف در نقاط موردنظر و همچنین در ۱۹۵ نقطه دیگر به صورت تصادفی برداشت گردید. سپس با استفاده از مدل رقومی ارتفاع ۲۵ پارامتر ژئومورفومتری استخراج گردید و همراه با شش باند تصاویر ماهواره لندست هشت و شاخص تفاوت نرمال شده برف به عنوان ورودی های مدل ها انتخاب گردید. در این پژوهش از الگوریتم ژنتیک برای افزایش سرعت و آماده سازی شبکه ماشین بردار پشتیبان که به عنوان یک دسته بندی کننده عمل می کند و همچنین انتخاب متغیرهایی که بیشترین همبستگی را با عمق برف دارند استفاده گردید. ازآنجایی که کاهش ویژگی های غیر موثر می تواند سبب افزایش دقت یادگیری شود، در این پژوهش از الگوریتم ژنتیک برای فرایند بهینه سازی استفاده گردید. نتایج نشان داد روش حداقل مربعات ماشین بردار پشتیبان با میزان ضریب تعیین ۳۶/۰ و جذر میانگین مربعات خطای ۸/۱۷ مدل سازی عمق برف را انجام داده است؛ اما الگوریتم ژنتیک با انتخاب ویژگی های موثر توانست با ضریب تعیین ۹۵/۰ و جذر میانگین مربعات خطا برابر با ۹۷/۳ سانتی متر و بادقت بهتری نسبت به استفاده از تمامی ویژگی ها تغییرات عمق برف را مدل کند.

نویسندگان

مصطفی آصفی

کارشناس ارشد آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، ایران

علی فتح زاده

دانشیار، دانشکده دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، ایران

روح الله تقی زاده مهرجردی

استادیار، دانشکده دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، ایران

محمد علی زارع چاهوکی

دانشیار، دانشکده مهندسی کامپیوتر، دانشگاه یزد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Balk, Benjamin, and Elder, Kelly. (۲۰۰۰). Combining binary decision tree ...
  • Bavay, M., Grunewald, T., and Lehning, M. (۲۰۱۳). Response of ...
  • Beniston, M., Keller, F., and Goyette, S. (۲۰۰۳). Snow pack ...
  • Bloschl, G., Kirnbauer, R., and Gutknecht, D. (۱۹۹۱). Distributed Snowmelt ...
  • Carrol, S.S., and Cressie, N. (۱۹۹۶). A comparison of geostatistical ...
  • Choularton, T.W., and Perry, S.J. (۱۹۸۶). A model of the ...
  • Cline, D.W., Bales, R.C., and Dozier, J. (۱۹۹۸). Estimating the ...
  • Dadic, R., Corripio, J.G., and Burlando, P. (۲۰۰۸). Mass-balance estimates ...
  • Elder, k., Dozier, J., and Michaelsen, J. (۱۹۹۱). Snow accumulation ...
  • Elder, K., Rosenthal, R., and Davis, R.E. (۱۹۹۸). Estimating the ...
  • Erickson, T.A., Williams, M.W., and Winstral, A. (۲۰۰۵). Persistence of ...
  • Gharaei-Manesh, S., Fathzadeh, A., Taghizadeh-Mehrjardi, R. (۲۰۱۶). Comparison of artificial ...
  • Iman R.L., and Conover, W.J. (۱۹۸۲). A Distribution-Free Approach to ...
  • Keung, J.W., Kitchenham, B., and Jeffery, D.R. (۲۰۰۸). Analogy-x: providing ...
  • Lehning, M., Lowe, H., Ryser, M., and Raderschall, N. (۲۰۰۸). ...
  • Lehning, M., Volksch, I., Gustafsson, D., Nguyen, T.A., Stahli, M., ...
  • Liston, G.E., and Elder, K. (۲۰۰۶). A distributed snow-evolution modeling ...
  • Litaor, M.I., Williams, M., and Seastedt, T.R. (۲۰۰۸). Topographic controls ...
  • Lundquist, J.D., and Dettinger, M.D. (۲۰۰۵). How snowpack heterogeneity affects ...
  • Marchand, W.D., and Killingtveit, A. (۲۰۰۱). Analyses of the Relation ...
  • McKay, G.A., and Gray, D.M. (۱۹۸۱). The distribution of the ...
  • McKay, M.D., Conover W.J., and Beckman, R.J. (۱۹۷۹). A Comparison ...
  • Michael, D. (۱۹۹۹). The simple Genetic Algorithm: Foundation and Theory. ...
  • Mott, R., Scipion, D., Schneebeli, M., Dawes, N., Berne, A., ...
  • Pomeroy, J.W., and Li, L. (۲۰۰۰). Prairie and arctic areal ...
  • Pomeroy, J.W., Gray, D M., Shook, K.R., Toth, B., Essery, ...
  • Saavedra, F., Kampf, S., and Sibold, J. (۲۰۱۸). Changes in ...
  • Schneiderbauer, S., and Prokop, A. (۲۰۱۱). The atmospheric snow-transport model: ...
  • Schweizer, J., Jamieson, J.B., and Schneebeli, M. (۲۰۰۳). Snow avalanche ...
  • Seifi, A., and Riahi-Madvar, H. (۲۰۱۲). Input Variable Selection in ...
  • Shaban, A., Faour, G., Khawlie, M., and Abdallah, C. (۲۰۰۴). ...
  • Sivanandam, S.N., and Deepa, S.N. (۲۰۰۸) Introduction to Genetic Algorithms, ...
  • Stewart, I. T., Cayan, D.R., and Dettinger, M.D. (۲۰۰۵). Changes ...
  • Sumathi, S., Hamsapriya, T., and Surekha, P. (۲۰۰۸). Evolutionary Intelligence, ...
  • Suykens, J.A.K., Gestel, T.V., Brabanter, J.D., Moor, B.D., and Vandewalle, ...
  • Tedesco, M., Pulliainen, J., Takala, M., Hallikainen, M., and Pampaloni, ...
  • Tsai, Y., Dietz, A., Oppelt, N., and Kuenzer, C. (۲۰۱۹). ...
  • Varade, D., Maurya, A.K., Dikshit, O., Singh, G., and Manickam, ...
  • Zhang, H., Zhang, F., Che, T., and Wang, S. (۲۰۲۰). ...
  • نمایش کامل مراجع