این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و خاک، جلد ۲۰۱۴، شماره ۱۱، صفحات ۴۷۱-۰
عنوان فارسی افزایش کارایی فرایند خوشه بندی K- میانگین توسط روش های سلسله مراتبی
چکیده فارسی مقاله به علت کمبود آمار و اطلاعات همیشه امکان استفاده از تحلیل فراوانی مکانی جهت تخمین چندک های سیلاب وجود ندارد. از آن جاکه استفاده از یک روش واحد برای ناحیه ای کردن معمولاً نتایج قابل قبولی را به دست نمی دهد، لذا معمولاً چندین روش منطقه ای به طور توأم مورد استفاده قرار می‌گیرد. در این مطالعه سه الگوریتم خوشه‌ای هیبرید که هر یک به طور جداگانه فرایند خوشه‌ای کردن را برای تعیین نواحی مشابه به کار می‌برند، مورد بررسی قرار گرفت. از الگوریتم های خوشه ای سلسله مراتبی متراکمی از روش های پیوند تکی، پیوند کامل و وارد، و از الگوریتم خوشه-ای تفکیکی، از الگوریتم K- میانگین استفاده شد. تأثیر تحلیل خوشه ای هیبرید در ناحیه ای کردن با استفاده از آمار روزآمد شده ی 68 حوضه ی آبریز استان‌های خراسان مورد بررسی قرار گرفت. از چهار شاخص آزمون خوشه ای شامل ضریب کوفنتیک، متوسط عرض سیلهوت، نمایه های دان و دیویس- بولدین جهت تعیین تعداد بهینه ی خوشه ها استفاده گردید. نتایج نشان داد که روش های پیوند تکی و کامل برپایه ی نمایه های اعتبارسنجی ضریب کوفنتیک و متوسط عرض سیلهوت بهتر بودند ولی منجر به تشکیل خوشه هایی نامتجانس (یک خوشه ی بزرگ و تعدادی خوشه ی بسیار کوچک) گردید که در تحلیل فراوانی سیلاب مناسب نمی باشد. گرچه تحلیل خوشه ای هیبرید در حداقل سازی تلاش لازم جهت نیل به نواحی همگن مؤثر بود ولی درجه ی موثر بودن به تعداد خوشه ها بستگی داشت. معیارهای ناهمگنی هاسکینگ منفی بود که بیانگر همبستگی سیلاب در ایستگاه ها بود. نهایتاً هیبرید الگوریتم وارد و K- میانگین برای استفاده در ناحیه ای کردن پیشنهاد گردید. چهار ناحیه همگن تشخیص داده شد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Adopting Hierarchial Cluster Analysis to Improve The Performance of K-mean Algorithm
چکیده انگلیسی مقاله Due to inadequate flood data it is not always possible to fit a frequency analysis to at-site stations. Reliable results are not always guaranteed by a single clustering algorithm, so a combination of methods may be used. In this research, we considered three clustering algorithms: single linkge, complete linkage and Ward (as hierarchial clustering methods), and K-mean (as partitional clustering analysis). Hybrid cluster analysis was tested for up-to-dated of floods data in 68 hydrometric stations in East and NE of Iran. Four cluster validity indices were used to find the optimum number of clusters. Based on the Cophenetic coefficient and average Silhouette width, single linkge, and complete linkage methods were performed well, yet they produced non-consistent clusters (one large and numerous small clusters) which are not amenable for flood frequency analysis. It was shown that hybridization was efficient to form homogeneous regions, however, the usefulness was dependent to the number of classes. Heterogeneity measure of Hosking was negative, due to inter-correlation of floods in the clusters. The hybrid of Ward and K-mean was shown to be the best combination for the region under study. Four homogeneous regions were delineated.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بیژن قهرمان |


کامران داوری |


نشانی اینترنتی http://jsw.um.ac.ir/index.php/jsw/article/view/20583
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده علمی - پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات