تحقیقات آب و خاک ایران، جلد ۵۶، شماره ۳، صفحات ۷۰۱-۷۱۴
عنوان فارسی ارزیابی مدل‌های هوشمندGPR-PSO و KNN-PSO در برآورد توزیع غلظت رسوبات معلق
چکیده فارسی مقاله توزیع عمودی غلظت رسوبات معلق یکی از اساسی‌ترین پارامترها در هیدرولیک انتقال رسوبات در رودخانه‌ها محسوب‌ می‌شود. این پارامتر نقش مهمی در محاسبه دبی کل رسوبات در کانال‌ها و رودخانه‌ها دارد. به همین دلیل اندازه‌گیری دقیق این پارامتر همواره یکی از اهداف پژوهشگران بوده است. یکی از راه‌های برآورد دقیق این پارامتر، استفاده از مدل‌های هوشمند است. برای این منظور، در این تحقیق برای پیش‌بینی توزیع غلظت رسوبات (C/Ca)، چهار مدل داده‌کاوی KNN، KNN-PSO، GPR، GPR-PSO استفاده شده است. تمامی مدل‌ها در محیط نرم‌افزار MATLAB کدنویسی شدند. با توجه به نتایج مشخص شد که بهینه‌‌سازی انجام ‌شده بر روی مدل KNN و GPR تاثیر‌گذار بوده و سبب افزایش عملکرد (دقت) این مدل‌ها شده است. با مقایسه بین مدل‌ها، نشان داده شد که مدل GPR-PSO دقت بیشتری نسبت به سایر مدل‌ها دارد. دقت این مدل در مرحله آموزش برابر با 0297/0 = RMSE، 9878/0 = R2 و 9776/0 = KGE بوده و در مرحله آزمون برابر با 0226/0 = RMSE، 9907/0 = R2 و 9715/0 = KGE است. از لحاظ دقت، بعد از GPR-PSO، مدل KNN-PSO با 0295/0 = RMSE، 9870/0 = R2 و 9864/0 = KGE در مرحله آموزش و 0374/0 = RMSE، 9808/0 = R2 و 9569/0 = KGE در مرحله آزمون قرار گرفت. پس از مدل‌های یادشده، GPR و KNN قرار گرفتند. همچنین با تحلیل نتایج مشخص شد که دو پارامتر y/D و y/a، مهم‌ترین پارامترها در تعیین نتایج دقیق‌تر هستند.
کلیدواژه‌های فارسی مقاله توزیع غلظت،رسوبات معلق،مدل‌های داده‌کاوی،رگرسیون فرآیند گاوسی،
عنوان انگلیسی Evaluation of GPR-PSO and KNN-PSO data-mining models for prediction of suspended sediment concentration distribution
چکیده انگلیسی مقاله The vertical distribution of suspended sediment concentration (SSC) is one of the most important parameters in the hydraulics of sediment transport in rivers. This parameter plays an important role in calculating the total sediment discharge in channels and rivers. For this reason, accurate measurement of this parameter has always been one of the goals of researchers. One way to accurately predict this parameter is to use intelligent models. For this purpose, in this study, four data mining models, KNN, KNN-PSO, GPR, and GPR-PSO, have been used to predict the distribution of sediment concentration (C/Ca). All models were coded in the MATLAB software environment. According to the results, it was found that the optimization performed on the KNN and GPR models was effective and increased the performance of these models. By comparing the models, it was shown that the GPR-PSO model has more accuracy than other models. The accuracy of this model in the training phase is equal to RMSE = 0.0297, R2 = 0.9878, and KGE = 0.9776, and in the testing phase equal to RMSE = 0.0226, R2 = 0.9907, and KGE = 0.9715. After GPR-PSO, the KNN-PSO model was ranked with RMSE = 0.0295, R2 = 0.9870, and KGE = 0.9864 in the training phase and RMSE = 0.0374, R2 = 0.9808, and KGE = 0.9569 in the testing phase. After the aforementioned models, GPR and KNN were respectively ranked. Also, by analyzing the results, it was determined that the two parameters y/D and y/a are the most important parameters in determining the most accurate results.
کلیدواژه‌های انگلیسی مقاله توزیع غلظت,رسوبات معلق,مدل‌های داده‌کاوی,رگرسیون فرآیند گاوسی
نویسندگان مقاله محسن نصرآبادی |
گروه علوم و مهندسی آب، دانشکده کشاورزی و محیط‌زیست، دانشگاه اراک، اراک، ایران

یاسر مهری |
گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

علی عبدالرزاق صبار |
گروه علوم و مهندسی آب، دانشکده کشاورزی و محیط‌زیست، دانشگاه اراک، اراک، ایران.

محمدجواد نحوی نیا |
گروه علوم و مهندسی آب، دانشکده کشاورزی و محیط‌زیست، دانشگاه اراک، اراک، ایران

نشانی اینترنتی https://ijswr.ut.ac.ir/article_102202_510b91a36e6cb77770cd9104792e984e.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات