Matches in SemOpenAlex for { <https://semopenalex.org/work/W3185890296> ?p ?o ?g. }
Showing items 1 to 40 of
40
with 100 items per page.
- W3185890296 abstract "امروزه تأمین آب به منظور تحقق اهداف توسعۀ پایدار یکی از مهم ترین چالش ها در اکثر کشورهای جهان است. به همین دلیل، تعیین مناطق دارای پتانسیل آب زیرزمینی، از ابزارهای مهم در حفاظت، مدیریت و بهره برداری از منابع آب به شمار می رود. بنابراین هدف از این پژوهش تهیه نقشه پتانسیل چشمه‌های آب زیرزمینی با استفاده از یک مدل مشهور یادگیری ماشین (جنگل تصادفی) و یک مدل آماری (مدل نسبت فراوانی) و مقایسه کارایی این روشها در حوزه آبخیز عمرک، استان تهران می‌باشد. ابتدا 18 عامل مؤثر در ظهور چشمه‌ها شامل: سازندهای سنگ‌شناسی، فاصله از گسل، تراکم گسل، طبقات ارتفاعی، درصد شیب، جهت شیب، فاکتور طول شیب، نقشه-های انحنا، فاصله از آبراهه، تراکم آبراهه، حداکثر ارتفاع، شاخص نمناکی، موقعیت شیب نسبی، بافت خاک، شاخص زبری سطح، شاخص همگرایی جریان و پوشش کاربری اراضی انتخاب شدند و نقشه آن‌ها در سامانه ArcGIS10.5 و SAGA تهیه گردید. پس از بررسی هم‌خطی و طبقه‌بندی لایه‌های مؤثر با استفاده از روش شکستن طبیعی، درصد و فراوانی پتانسیل آب زیرزمینی در هر طبقه با استفاده از هم‌پوشانی نقشه پراکنش چشمه‌ها با هرکدام از لایه‌ها به دست آمد. برای ارزیابی عملکرد مدلهای مذکور از منحنی مشخصه عملکرد نسبی(ROC) استفاده شد و میزان مساحت زیر منحنی (AUC) مدلهای جنگل تصادفی و نسبت فراوانی به ترتیب 88 و 72درصد به‌دست آمد. نتایج نشان داد که هر دو روش تخمین‌گرهای مناسبی برای تهیه نقشه پتانسیل چشمه آب زیرزمینی در منطقه مورد مطالعه هستند. اما مدل جنگل تصادفی با مقدار مساحت زیر منحنی بالاتر روش بهتری برای شناسایی و پهنه‌بندی پتانسیل چشمه‌های آب زیرزمینی معرفی گردید." @default.
- W3185890296 created "2021-08-02" @default.
- W3185890296 creator A5004923496 @default.
- W3185890296 creator A5034146755 @default.
- W3185890296 creator A5064467817 @default.
- W3185890296 creator A5085675528 @default.
- W3185890296 date "2021-07-10" @default.
- W3185890296 modified "2023-09-25" @default.
- W3185890296 title "پتانسیلیابی منابع آب زیرزمینی با استفاده از دو مدل جنگل تصادفی و نسبت فراوانی در حوزه آبخیز عمرک، تهران" @default.
- W3185890296 doi "https://doi.org/10.22059/ijswr.2021.320753.668919" @default.
- W3185890296 hasPublicationYear "2021" @default.
- W3185890296 type Work @default.
- W3185890296 sameAs 3185890296 @default.
- W3185890296 citedByCount "0" @default.
- W3185890296 crossrefType "journal-article" @default.
- W3185890296 hasAuthorship W3185890296A5004923496 @default.
- W3185890296 hasAuthorship W3185890296A5034146755 @default.
- W3185890296 hasAuthorship W3185890296A5064467817 @default.
- W3185890296 hasAuthorship W3185890296A5085675528 @default.
- W3185890296 hasConcept C41008148 @default.
- W3185890296 hasConceptScore W3185890296C41008148 @default.
- W3185890296 hasLocation W31858902961 @default.
- W3185890296 hasOpenAccess W3185890296 @default.
- W3185890296 hasPrimaryLocation W31858902961 @default.
- W3185890296 hasRelatedWork W2373724434 @default.
- W3185890296 hasRelatedWork W2378378032 @default.
- W3185890296 hasRelatedWork W2383756843 @default.
- W3185890296 hasRelatedWork W2391234860 @default.
- W3185890296 hasRelatedWork W2594016056 @default.
- W3185890296 hasRelatedWork W2912253559 @default.
- W3185890296 hasRelatedWork W2913941174 @default.
- W3185890296 hasRelatedWork W3105935296 @default.
- W3185890296 hasRelatedWork W3140376389 @default.
- W3185890296 hasRelatedWork W3184075212 @default.
- W3185890296 hasRelatedWork W3194445999 @default.
- W3185890296 hasRelatedWork W3203550848 @default.
- W3185890296 isParatext "false" @default.
- W3185890296 isRetracted "false" @default.
- W3185890296 magId "3185890296" @default.
- W3185890296 workType "article" @default.