پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,101,645 |
| تعداد دریافت فایل اصل مقاله | 97,208,242 |
ارزیابی مدل‌های مختلف آماری در تهیۀ نقشۀ سیلگیری استان گیلان | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 9، دوره 72، شماره 4، اسفند 1398، صفحه 1011-1022 اصل مقاله (1.78 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2020.270045.1320 | ||
| نویسندگان | ||
| عیسی غلامی1؛ مهدی وفاخواه* 2؛ سید جلیل علوی3 | ||
| 1دانشجوی کارشناسی ارشد آبخیزداری، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران. | ||
| 2استاد گروه آبخیزداری، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران. | ||
| 3استادیار گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران. | ||
| چکیده | ||
| به دلیل کمبود اطلاعات در اکثر حوزههای آبخیز، بسیاری از محققین برای مطالعههای هیدرولوژیکی و سیلگیری به استفاده از تجزیه و تحلیلهای مکانی در سیستم اطلاعات جغرافیایی روی آوردند. پژوهش حاضر به منظور مقایسۀ کارایی سه مدل ماشین بردار پشتیبان (SVM)، خطی تعمیم یافته (GLM) و جمعی تعمیم یافته (GAM) در تهیۀ نقشۀ سیلگیری استان گیلان برنامهریزی شده است. بدین منظور لایههای اطلاعاتی درجۀ شیب، جهت شیب، شکل شیب، ارتفاع از سطح دریا، فاصله از رودخانه، تراکم زهکشی، زمین شناسی، کاربری اراضی، شاخص رطوبت توپوگرافی و شاخص توان آبراهه در محیط سامانۀ اطلاعات جغرافیایی (نرم‌افزارهای ArcGIS و SAGA-GIS) تهیه شدند. سپس بر اساس اطلاعات 220 نقطۀ سیلگیر، از 70 درصد تعداد کل نقاط به منظور واسنجی و 30 درصد باقیمانده برای اعتبارسنجی و ارزیابی کارآیی مدلها مورد استفاده قرار گرفت. نتایج ارزیابی دقت مدلها به ترتیب با استفاده از شاخصهای سطح زیر منحنی (AUC) و کاپا (Kappa) نشان داد که از نظر شاخص سطح زیر منحنی (AUC)، مدل ماشین بردار پشتیبان (SVM) با 835/0 و مدل جمعی تعمیم یافته (GAM) با 827/0 دارای دقت خیلی خوب و مدل خطی تعمیم یافته (GLM) با 79/0 دارای دقت خوب میباشد. از نظر شاخص کاپا (Kappa) مدل ماشین بردار پشتیبان (SVM) با 58/0 داری دقت خوب، مدل جمعی تعمیم یافته (GAM) با 53/0 و مدل خطی تعمیم یافته (GLM) با 48/0 دارای دقت قابل قبول می‌باشند. بنابراین بر اساس شاخصهای مذکور مدل ماشین بردار پشتیبان (SVM) نسبت به دو مدل دیگر در شناسایی مناطق سیلگیر کارایی بالاتری دارد. همچنین عوامل فاصله از رودخانه، ارتفاع از سطح دریا و شیب بیشترین تأثیر را بر سیلگیری منطقۀ مورد مطالعه دارند. | ||
| کلیدواژه‌ها | ||
| سیلگیری؛ داده‌کاوی؛ مدل‌های داده محور؛ مدل‌سازی؛ منحنی تشخیص عملکرد؛ استان گیلان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 369 تعداد دریافت فایل اصل مقاله: 304 |
||