مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

468
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

644
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه مدل های یادگیری ماشینی جهت اولویت بندی مناطق مستعد تولید گرد و غبار

صفحات

 صفحه شروع 53 | صفحه پایان 68

چکیده

 مد ل سازی یکی از ابزارهای مناسب برای تصمیم گیری پدیده های محیط زیستی می باشد که به صورت مدل های مفهومی یا روابط ریاضی بیان می شوند. هدف از این تحقیق مقایسه مدل های یادگیری ماشینی شامل ماشین بردار پشتیبان, درخت طبقه بندی و رگرسیون, جنگل تصادفی و مدل آنالیز تشخیص ترکیبی جهت اولویت بندی مناطق مستعد گرد و غبار است. جهت تعیین روز های گرد و غبار از داده های ساعتی هواشناسی استان های البرز و قزوین و تصاویر ماهواره ای مربوط به همان روزها برای دوره 2000 تا 2019 استفاده شد. 420 نقطه برداشت گرد و غبار در منطقه شناسایی و نقشه پراکنش آ ن ها تهیه گردید. سپس نقشه های عوامل تاثیرگذار بر وقوع گرد و غبار شامل نقشه های کاربری اراضی, خاک شناسی, شیب, جهت, ارتفاع, پوشش گیاهی, رطوبت سطح توپوگرافیکی, نسبت سطح توپوگرافیکی و زمین شناسی تهیه گردید. با استفاده ازمدل های ذکر شده تاثیر هر یک از عوامل موثر گرد و غبار مشخص و نقشه های اولویت بندی مناطق برداشت گرد و غبار تهیه شد. ارزیابی مدل ها با استفاده از منحنی راک صورت گرفت. طبق نتایج حاصل شده عامل ارتفاع در تمامی مدل ها نسبت به سایر پارامترهای مورد استفاده در مدل از اهمیت بیشتری برخوردار است. نتایج مدل سازی نیز نشان داد مدل های جنگل تصادفی (RF) و مدل آنالیز تشخیص ترکیبی (MDA) دارای بیشترین مقادیر صحت (96/0), دقت (94/0), احتمال آشکارسازی (98/0) و کمترین نرخ هشدار اشتباه (051/0) نسبت به بقیه مدل ها است. عملکرد مدل های RF و MDA نسبت به سایر مدل ها بهتر بوده و پس از آن ها به ترتیب مدل های ماشین بردار پشتیبان ((SVM و درخت طبقه بندی و رگرسیون (CART) قرار دارند. همچنین در ارزیابی مدل ها با استفاده از منحنی مشخصه عملکرد (ROC), مدل RF به عنوان بهترین مدل انتخاب شد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    داروند، سروه، خسروی، حسن، کشت کار، حمیدرضا، زهتابیان، غلامرضا، و رحمتی، امید. (1400). مقایسه مدل های یادگیری ماشینی جهت اولویت بندی مناطق مستعد تولید گرد و غبار. مرتع و آبخیزداری (منابع طبیعی ایران)، 74(1 )، 53-68. SID. https://sid.ir/paper/388967/fa

    Vancouver: کپی

    داروند سروه، خسروی حسن، کشت کار حمیدرضا، زهتابیان غلامرضا، رحمتی امید. مقایسه مدل های یادگیری ماشینی جهت اولویت بندی مناطق مستعد تولید گرد و غبار. مرتع و آبخیزداری (منابع طبیعی ایران)[Internet]. 1400؛74(1 ):53-68. Available from: https://sid.ir/paper/388967/fa

    IEEE: کپی

    سروه داروند، حسن خسروی، حمیدرضا کشت کار، غلامرضا زهتابیان، و امید رحمتی، “مقایسه مدل های یادگیری ماشینی جهت اولویت بندی مناطق مستعد تولید گرد و غبار،” مرتع و آبخیزداری (منابع طبیعی ایران)، vol. 74، no. 1 ، pp. 53–68، 1400، [Online]. Available: https://sid.ir/paper/388967/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button