علوم آب و خاک

---

در این مطالعه از 5025 رکورد صفات اقتصادی میش‌های گله ایستگاه پرورش و اصلاح نژاد گوسفند لری بختیاری جهت تخمین روندهای فنوتیپی، ژنتیکی و محیطی طی سال‌های 1368 تا 1383 استفاده شد. با استفاده از روش حداکثر درستنمایی محدود شده عاری از مشتق (DFREML) و مدل حیوانی یک صفتی و چند صفتی، بهترین پیش بینی خطی بدون تمایل ویژه (BLUP) از ارزش‌های اصلاحی صفات به‌دست آمد. روندها به صورت تابعیت میانگین مقادیر فنوتیپی، ژنتیکی و محیطی از سال تولد میش محاسبه شد. روند فنوتیپی صفات به صورت 1223/0- کیلوگرم برای وزن بدن میش، 0415/0- کیلوگرم برای وزن بیده پشم سالانه، 6639/0 درصد برای میزان آبستنی، 0003/0 برای تعداد بره متولد شده در هر زایش میش، 0094/0 برای تعداد بره شیرگیری شده در هر زایش میش،0380/0 کیلوگرم برای کل وزن تولد به ازای هر میش مورد آمیزش و 4227/0 کیلوگرم برای کل وزن شیرگیری به ازای هر میش مورد آمیزش برآورد گردید. روند ژنتیکی صفات به ترتیب 0603/0 کیلوگرم، 0004/0- کیلوگرم، 0183/0 درصد، 0012/0- رأس، 0007/0- رأس، 0030/0 کیلوگرم و 0211/0 کیلوگرم حاصل از تجزیه یک صفتی و 0549/0 کیلوگرم، 0006/0- کیلوگرم، 0089/0 درصد، 0008/0- رأس، 0008/0- رأس، 0030/0 کیلوگرم و 0230/0 کیلوگرم حاصل از تجزیه چند صفتی بود. برای اغلب صفات روند‌های فنوتیپی و محیطی معنی‌دار ولی روند ژنتیکی معنی‌دار نبود (05/0>P).

---

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.