تخمین درست حجم رسوبات حمل شده توسط رودخانه‌ها در پروژه‌های آبی از اهمیت بسیاری برخوردار است. در حقیقت حصول روش‌هایی برای محاسبه دبی رسوبات مهم‌ترین هدف تحقیقات مربوط به فرآیند رسوب شده است. از جمله این روش‌ها می‌توان به روش‌های یادگیری ماشین از قبیل مدل درختان تصمیم‌گیری که مبتنی بر اصول یادگیری می‌باشند، اشاره کرد. روش درخت تصمیم یک روش سلسله مراتبی یا چند مرحله‌ای است که در آن به‌صورت بازگشتی مجموعه داده‌ها به روش دودویی به تقسیمات فرعی و کوچک‌تر تقسیم‌بندی می‌شود تا زمانی‌که تقسیمات فرعی نهایی نتوانند بیشتر از آن تجزیه شوند. درختان تصمیم استقرایی مجموعه‌ای از داده‌های معلوم را می‌گیرد و یک درخت تصمیم را از آن استنتاج می‌کند. سپس درخت می‌تواند به‌صورت مجموعه قوانینی برای پیش‌بینی ویژگی‌های معلوم استفاده شود. در این تحقیق کارایی این تکنیک در پیش‌بینی میزان آورد رسوبات رودخانه گل گل حوضه سد ایلام مورد بررسی قرار گرفته است. جهت ارزیابی دقت و صحت نتایج این مدل که در محیط برنامه‌نویسی M‏ATLAB اجرا شده است معیارهای آماری R, BIAS ,RMSE ,r2 و MAE مورد استفاده قرار گرفته است. نتایج نشان داده که به‌طورکلی و براساس تمامی معیارهای آماری ذکر شده، مدل درخت تصمیم‌گیری در مقایسه با روش مرسوم منحنی سنجه رسوب تطابق بسیار بیشتری با مقادیر اندازه‌گیری شده داشته و مهم‌ترین عامل ایجاد درخت که هم‌بستگی بالایی با مقادیر رسوب داشته است، دبی متناظر با رسوب و سپس بارش‌های روزانه بوده است.

واژه‌های کلیدی: بار معلق، درخت تصمیم‌گیری، حوضه سد ایلام

متن کامل [PDF 1111 kb]   (3812 دریافت)