سلیمانی, لیلی, میردریکوند, بهرام, سپه وند, علیرضا. (1401). مدلسازی نفوذپذیری در کلاسهای مختلف بافت خاک با استفاده از الگوریتمهای یادگیری. سامانه مدیریت نشریات علمی, (), -. doi: 10.22092/wmrj.2022.358213.1461
لیلی سلیمانی; بهرام میردریکوند; علیرضا سپه وند. "مدلسازی نفوذپذیری در کلاسهای مختلف بافت خاک با استفاده از الگوریتمهای یادگیری". سامانه مدیریت نشریات علمی, , , 1401, -. doi: 10.22092/wmrj.2022.358213.1461
سلیمانی, لیلی, میردریکوند, بهرام, سپه وند, علیرضا. (1401). 'مدلسازی نفوذپذیری در کلاسهای مختلف بافت خاک با استفاده از الگوریتمهای یادگیری', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22092/wmrj.2022.358213.1461
سلیمانی, لیلی, میردریکوند, بهرام, سپه وند, علیرضا. مدلسازی نفوذپذیری در کلاسهای مختلف بافت خاک با استفاده از الگوریتمهای یادگیری. سامانه مدیریت نشریات علمی, 1401; (): -. doi: 10.22092/wmrj.2022.358213.1461
مدلسازی نفوذپذیری در کلاسهای مختلف بافت خاک با استفاده از الگوریتمهای یادگیری
1دانشجوی دوره دکتری، گروه علوم و مهندسی آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان
2دانش آموخته کارشناسی ارشد، گروه علوم و مهندسی آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان
3گروه مهندسی مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، لرستان، ایران
چکیده
فرآیند نفوذپذیری، یکی از مهمترین اجزای چرخه آبشناسی است که نقش مهمی در جریان رودخانهای، تغذیه آبهای زیرزمینی، جریانهای زیر سطحی و سطحی و همچنین کمیت و کیفیت آب های زیرزمینی دارد. مطابق هدف پژوهش، تغییرات نفوذپذیری و مدلسازی نرخ نفوذپذیری در بافتهای مختلف خاک انجام شد. در این پژوهش از استوانههای دوگانه برای اندازهگیری میزان نفوذ استفاده شد. در این پژوهش از الگوریتمهای یادگیری GP و SVM (با دو کرنل PUK و RBF)، MLP و RF برای مدل سازی نرخ نفوذپذیری استفاده شد. برای مقایسه نتایج مدل های مختلف و انتخاب بهترین مدل، از معیارهای سنجش خطای ریشه میانگین مربعات خطا (RMSE)، ضریب همبستگی (C.C) و ضریب نش-ساتکلیف (NSE) استفاده شد. نتایج حاصل از ارزیابی مدل سازی نفوذپذیری در بافتهای مختلف خاک نشان داد که مدل RF با ضریب همبستگی 9953/0، بیشترین ضریب کارایی نش ساتکلیف (98622/0) و کمترین میزان خطا (0177/0) از دقت بالایی برای مدلسازی نفوذپذیری در بافتهای مختلف خاک برخوردار بوده و دارای بیشترین دقت در مدل سازی نفوذپذیری می باشد. همچنین نتایج حاصل از تحلیل حساسیت پارامترهای ورودی مدل RF بهعنوان مدل برتر، نشان داد که زمان، مهمترین پارامتر ورودی برای پیشبینی نرخ نفوذ خاک برای این مجموعه از داده های مورد استفاده در پژوهش می باشد. نتایج نشان از تغییرپذیری نفوذپذیری در بافتهای مختلف خاک دارد که میبایست برای مدیریت بهتر تغذیه سفره های آب زیرزمینی مدنظر قرار گیرد.
1Ph.D Student, Department of Range and Watershed Management, Faculty of Agriculture and Natural Resources, Lorestan University, Khorramabad, Lorestan Province, Iran
2Department of Range and Watershed Management, Faculty of Agriculture and Natural Resources, Lorestan University, Khorramabad, Lorestan Province, Iran
3Department of Range and Watershed Management Engineering, faculty of Agriculture and Natural Resources, Lorestan University
چکیده [English]
Infiltration is one of the most parameter of hydrology that plays a fundamental role in streamflow, groundwater recharge, subsurface flow, and surface and subsurface water quality and quantity. According to the importance of the mentioned subject, the infiltration changes and modeling were investigated in the different soil textures in this study. The double-ring infiltrometer was used to measure the infiltration in the different soil textures in Kashkan watershed. In this paper, Support vector regression (SVM), Gaussian Process (GP), Multi-Layer Perceptron (MLP) and Random Forest (RF) were used to Modeling of infiltration rate in different soil textures. Three statistical comparison criteria including Root Mean Square Error (RMSE), Coefficient of Correlation (C.C) and Nash Sutcliffe (NSE) were used to determine the best performing infiltration models. The results show that RF model better estimated infiltration rate (C.C= 0.9912, NSE= 0.98622 and RMSE = 0.0177) compared to the other models. Thus, RF was found to be the most suitable model for modelling infiltration in the study area. Also, sensitivity analysis concludes that the parameter time is the most effective parameter for the estimation of infiltration rate. The results indicate that the infiltration varies in the different soil textures that should be considered in the management of ground water recharge.
کلیدواژهها [English]
Lorestan province, Kashkan Watershed, Modeling of Infiltration, Random Forest, Gaussian process