تخمین اسیب پذیری دشت ملکان با استفاده از روش Random ForeSt
- سال انتشار: 1394
- محل انتشار: دومین کنگره بین المللی زمین شناسی کاربردی
- کد COI اختصاصی: IAGC02_216
- زبان مقاله: فارسی
- تعداد مشاهده: 733
نویسندگان
دانشگاه تبریز،هیدروژئولوژی، تبریز،ایران
دانشگاه تبریز،هیدروژئولوژی،تبریز ،ایران
دانشگاه تبریز،هیدروژئولوژی،تبریز،ایران
چکیده
با توجه به نیاز روزافزون بشر به آب زیرزمینی، خصوصاً در مناطق خشک مانند ایران و نیز با توجه به نفوذ آلاینده ها، حفاظت از منابع آب زیرزمینی امری ضروری می باشد. در این راستا، ابتدا باید مناطق آسیب پذیر شناسایی شده و سپس مدیریت بهینه این مناطق صورت پذیرد. منطقه ملکان، واقع در شمال غرب کشور، یکی از مناطق بسیار فعال در بخش کشاورزی است که بخش اعظم نیاز آبی آن از منابع آب زیرزمینی تأمین می شود و در سالهای اخیر با مشکل تنزل کیفی آب زیرزمینی مواجه شده است. این پدیده معمول در سطح کشور موجب نگرانی مسئولین و کشاورزان منطقه شده و مدیریت این منابع را اجتناب ناپذیر کرده است. در مطالعه حاضر روشی (Random Forest(RF که یک روش یادگیری مبتنی بر دسته ای از درخت های تصمیم است، برای ارزیابی آسیب پذیری آبخوان پیشنهاد شده است. روش RF نسبت به روشهای دیگر دارای مزایایی مانند دقت پیشبینی بالا، توانایی در یادگیری روابط غیر خطی و توانایی بالا در تعیین متغیرهای مهم در پیش بینی میباشد و تاکنون در زمینه آسیب پذیری استفاده نشده است. در این مقاله، عملکرد روش RF برای مدلسازی پیش بینی آلودگی نیترات آبخوان دشت ملکان با استفاده از روش آسیب پذیری در استیک، مورد ارزیابی قرار گرفته است. براساسی مدل ارائه شده به ترتیب با RMSE و AUC برابر ۰٫۰۲۵۵۱ و ۰٫۹۴۳، حدود ۲۴ درصد از دشت مورد نظر در زون آسیب پذیری بالاتر، ۵۱ درصد از منطقه در زون آسیب پذیری متوسط، ۱۸ درصد منطقه مربوط به آسیب پذیری پایین و ۷درصد منطقه در زون با آسیب پذیری خیلی پایین قرار داد.کلیدواژه ها
: آب زیرزمینی، دشست ملکان، نیرات، آسیب پا۔ یری، Random Forestمقالات مرتبط جدید
- بوکسیت زایی در محدوده دشت ده غربی استان یزد
- زمین شناسی و کانی شناسی ذخیره بوکسیت طاقدیس کوه سیاه، زون زاگرس، استان بوشهر
- کاربرد استفاده از اینترنت اشیا و هوش مصنوعی در فرایند هوشمندسازی تولید آلومینیوم
- بررسی تاثیرات استخراج بوکسیت بر محیط زیست و تغییرات اقلیمی
- مدیریت آلودگی ناشی از ضایعات معدن بوکسیت از طریق زیست پالایی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.