ارزیابی عملکرد روشهای داده محور در مدلسازی بارش ماهانه مشهد
دوره 11، شماره 4، زمستان 1396، صفحه 97-105
علی رضازاده جودی، محمدتقی ستاری
چکیده بارش همواره از مهمترین اجزاء چرخه آب شناخته شده است و نقش بسیار مهمی در تأمین منابع آبی مورد نیاز دارد؛ از اینرو پیشآگاهی از میزان بارش در برنامهریزی مدیریت منابع آب تاثیر بسزایی دارد. در این تحقیق میزان کارایی روشهای رگرسیون بردار پشتیبان و رگرسیون فرآیند گاوسی در پیشبینی بارش ماهانه شهر مشهد با استفاده از پارامترهای هواشناسی مختلف بررسی شد و نتایج نشان داد بهترین ترکیب پارامتر ورودی شامل شاخص ماهانه، میانگین رطوبت نسبی، میانگین بیشینه رطوبت نسبی، اختلاف میانگین دمای کمینه و بیشینه و بارش در ماه قبل بود. مدلها توسط آمارههای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین خطای مطلق ارزیابی شدند. نتایج نشاندهنده کارایی بالای هر دو روش بررسی شده در این زمینه و برتری نسبی روش رگرسیون فرآیند گاوسی با ارائه مقادیر (0.87= R، 0.74=N_S، (mm) 12.37=RMSE و (mm) 7.85=MAE) بود. با بررسی نمودار سری زمانی مقادیر محاسباتی و مشاهداتی بارش ماهانه مشهد مشاهده شد که روش رگرسیون فرآیند گاوسی توانایی بیشتری در پیشبینی مقادیر بیشینه بارش ماهانه داشته و در اکثر موارد پیشبینیهای دقیقتری در مقادیر بارش ماهانه بیشینه ارائه کرده که این مورد در پیشبینی وقوع سیلابها بسیار مهم و کاربردی است.
ارزیابی و مقایسه عملکرد روشهای داده کاوی در تخمین شاخص کیفی SAR (مطالعه موردی: رودخانه آجی چای آذربایجان شرقی)
دوره 10، شماره 3، پاییز 1395، صفحه 21-29
علی رضازاده جودی، محمدتقی ستاری
چکیده آب پاک یکی از عوامل مهم توسعه هر منطقه است. با توجه به قرارگیری ایران در منطقه گرم و خشک و کمبود منابع آب، حفاظت و تأمین کیفیت آب لازم برای مصارف مختلف اهمیتی دو چندان دارد. به طورمعمول ارزیابی کیفی آبهای سطحی پرهزینه و زمانبر بوده و انتخاب روشی که در آن با حداقل پارامترهای هیدروشیمیایی بتوان پیشبینی به نسبت دقیقی از کیفیت آب داشت، ترجیح داده میشود. یکی از مهمترین پارامترهای کیفی آب در زمینه فعالیتهای کشاورزی، نسبت جذبی سدیم (SAR) است که تخمین و ارزیابی دقیق مقدار آن بسیار ضروری است. در این بررسی، امکانسنجی تخمین شاخص کیفی SAR در رودخانه آجی چای در منطقه آذربایجان شرقی با استفاده از پارامترهای هیدروشیمیایی مختلف با مدل درختی قوانین M5 و ماشین بردار پشتیبان بررسی شد. برای بررسی دقت مدلهای M5 و ماشین بردار پشتیبان از چهار آماره ضریب همبستگی (R)، نش- ساتکلیف (NSC)، جذر میانگین مربعات خطا (RMSE) و میانگین خطای مطلق مقادیر (MAE) استفاده شد. مقادیر این آمارهها برای روش ماشین بردار پشتیبان (R=0.98، N-SC=0.97، (mg/l)RMSE=6.22 و (mg/l)MAE=6.06) و برای مدل M5(0.98=R، 0.96=N-SC، (mg/l)RMSE=7.33 و (mg/l)MAE=3.9) محاسبه شد. نتایج مقایسه نشان داد هر دو روش عملکرد خوبی در تخمین میزان SAR داشتهاند، اما مدل درختی قوانین M5 در محدوده دادههای مورد استفاده روابط خطی ساده و کاربردیتر ارائه میکند.
