بررسی کارایی مدل ماشین بردار پشتیبان در پیش بینی تغییرات پارامترهای کیفی آب (مطالعه موردی: تالاب بین المللی چغاخور)

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 73

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAEJ-10-1_003

تاریخ نمایه سازی: 24 دی 1402

چکیده مقاله:

آب های داخلی از قبیل تالاب ها در زمره اکوسیستم های حساس محسوب می شوند که بهره وری پایدار از آن ها تنها با اتخاذ رویکرد زیست محیطی مناسب ممکن خواهد بود. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی سریع تر برای مدیریت منابع آب خواهد شد. در این مطالعه از مدل ماشین بردار پشتیبان در دوره زمانی ۳۲ ساله از  ۱۳۶۴ تا ۱۳۹۶ برای شبیه سازی پارامتر کیفی کلروفیل a و شفافیت آب (عمق سشی دیسک) در تالاب بین المللی چغاخور استفاده شد. از ۷۰ درصد داده ها به منظور آموزش و از بقیه داده ها برای آزمون و تست مدل استفاده شد. ضریب تعیین (R۲) و خطای (RMSE) در روش ماشین بردار پشتیبان برای ترکیب بهینه کلروفیل a و سشی دیسک به ترتیب برابر ۹۳/۰، ۹۱/۰و  ۰۹۷/۰میلی گرم بر مترمکعب، ۰۴۹/۰ متر است. همچنین مدل ماشین بردار پشتیبان با حداقل ورودی نیز قدرت پیش بینی لازم را داشت. نتایج این مطالعه نشان داد که ماشین بردار پشتیبان قابلیت بالایی در پیش بینی کلروفیل a و شفافیت آب دارد و می توان از آن در تعیین استراتژی های مناسب در مدیریت تالاب چغاخور بهره برد.

کلیدواژه ها:

نویسندگان

احمدرضا پیرعلی زفره ئی

Department of Fisheries and Aquatic Ecology, Faculty of Fisheries and Environmental Sciences, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran

علی اکبر هدایتی

Department of Fisheries and Aquatic Ecology, Faculty of Fisheries and Environmental Sciences, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran

سعید پورمنافی

Department of Environmental Sciences, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran

امید بیرقدار کشکولی

Department of Fisheries, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran

رسول قربانی

Department of Fisheries and Aquatic Ecology, Faculty of Fisheries and Environmental Sciences, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran

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 :
  • Akhoni Pourosseini, F., Asadi, E. ۲۰۱۷. Application of Bayesian Networks ...
  • Dehghani, R., Younesi, H., Torabi Podeh, H. ۲۰۱۷. Comparing the ...
  • Ghorbani, M.A., Khatibi, R., Geol, A., Fazelifard, M.H., Azani, A. ...
  • Ghorbani, M.A, Azani, A., Naghipour, L. ۲۰۱۶b. Comparison of the ...
  • Hosseini, S.A., Ordog, V. ۱۹۹۵. Relationships of chlorophyll a with ...
  • Huang, S., Chang, J., Huang, Q., Chen, Y. ۲۰۱۴. Monthly ...
  • Huang, W., Huang, F., Song, J. ۲۰۱۰. An SVM model ...
  • Javid, A.H., Mosikhani, M., Mirbagheri, A. ۲۰۱۳. Using supported vector ...
  • Kakaei Lafadani, E., Moghaddam Nia, A., Ahmadi, A., Jajarmizadeh, M., ...
  • Kiabi, B., Madjnonian, H., Goshtasb Meigoni, H., Mansori, J. ۲۰۰۴. ...
  • Limpens, J., Berendse, F., Blodau, C., Canadell, J.G., Freeman, C., ...
  • Lurling, M., Roessink, I. ۲۰۰۶. On the way to cyanobacterial ...
  • Mahab Ghods Consulting Engineers, ۲۰۰۸. Assessment of environmental impacts of ...
  • Mohammadpour, M., Mehrabi, A., Katouzi, M. ۲۰۱۲. Daily discharge forecasting ...
  • Mosleh, M.A.A, Manssor, H., Malek, S., Milow, P., Salleh, A. ...
  • Misra, D., Oommen, T., Agarwal, A., Mishra, S.K., Thompson, A.M. ...
  • Najah, A., Elshafie, A., Karim, O., Jaffar, O. ۲۰۰۹. Prediction ...
  • Pai, P.F., Hong, W.C. ۲۰۰۷. A recurrent support vector regression ...
  • Sadeghi, R., Zarkamib, R., Sabetraftarb, K., Van Dammea, P. ۲۰۱۲. ...
  • Samui, P. ۲۰۰۸. Support vector machine applied to settlement of ...
  • Samsudin, R., Saad, P., Shabri, A. ۲۰۱۱. River flow time ...
  • Sedighi, F., Vafakhah, M., Javadi, M.R. ۲۰۱۶. Rainfall–Runoff modeling using ...
  • Sharma, M.P., Kumar, A., Rajvanshi, S. ۲۰۱۰. Assessment of Trophic ...
  • Tiner, R.W. ۲۰۱۰. NWIPlus: Geospatial database for watershed-level functional assessment. ...
  • Vapnik, V.N. ۱۹۹۵. The nature of statistical learning theory. Springer, ...
  • Verones, F., Pfister, S., Hellweg, S. ۲۰۱۳. Quantifying area changes ...
  • Weeks, S., Werdell, P.J., Schaffelke, B., Canto, M., Lee, Z., ...
  • Xin, S., Qing, X., Lei, Y., Ning, L. ۲۰۱۰. A ...
  • Xu, L., Wang, J., Guan, J., Huang. F. ۲۰۰۷. A ...
  • Yoon, H., Jun, S.C., Hyun, Y., Bae, G.O., Lee, K.K. ...
  • Zabet Pishkhani, N., Seyedian, S.M., Heshmat Pour, A., Rouhani, H. ...
  • نمایش کامل مراجع