تلفیق داده‌های سنجش از دور و هیدرومتری برای برآورد دبی رودخانه با استفاده از الگوریتم‌های یادگیری ماشین | ||
| مدیریت آب و آبیاری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از 02 مهر 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jwim.2026.416791.1313 | ||
| نویسندگان | ||
| سید حسین مهاجری* 1؛ سعید کاظمی محسن آبادی2؛ مجتبی مهرآئین3 | ||
| 1گروه مهندسی عمران/ دانشگاه خوارزمی | ||
| 2گروه مهندسی عمران/ دانشگاه آزاد اسلامی واحد بویین زاهرا | ||
| 3گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه خوارزمی | ||
| چکیده | ||
| این مطالعه کاربرد مدل‌های هوش مصنوعی در پایش دبی رودخانه با بهره‌گیری از داده‌های هیدرومتری و تصاویر ماهواره‌ای Sentinel-2 در رودخانه کارون، یکی از مهم‌ترین منابع آب در منطقه خشک خوزستان، را بررسی می‌کند. تحلیل داده‌های میدانی هفت ساله نشان‌دهنده همبستگی مثبت قوی بین دبی و کدورت آب (R² ≈ 0.85) است، که نقش دبی در کیفیت آب و فرآیندهای رسوبی رودخانه را برجسته می‌سازد. الگوهای فصلی دبی و کدورت نشان می‌دهد که بارش و ذوب برف عوامل اصلی نوسانات هستند. مدل‌های یادگیری ماشین شامل KNN، جنگل تصادفی، Gradient Boosting، MLP و XGBoost توسعه یافته و عملکرد آنها ارزیابی شد. الگوریتم XGBoost در مرحله آموزش بیشترین دقت را نشان داد (R² = 0.99، RMSE = 13.58) و جنگل تصادفی در مرحله آزمون بهترین عملکرد را ارائه کرد (R² = 0.90، RMSE = 94.6). نتایج حاکی از آن است که ترکیب داده‌های هیدرومتری، ماهواره‌ای و الگوریتم‌های هوش مصنوعی، ابزاری کارآمد برای پایش دقیق دبی، پیش‌بینی نوسانات فصلی و مدیریت منابع آب در رودخانه‌های مناطق خشک فراهم می‌آورد. این رویکرد می‌تواند به تصمیم‌گیری‌های بهینه و حفاظت از منابع آبی تحت تأثیر تغییرات اقلیمی و فعالیت‌های انسانی کمک کند. | ||
| کلیدواژه‌ها | ||
| برآورد دبی؛ هوش مصنوعی؛ داده‌های هیدرومتری؛ تصاویر ماهواره‌ای | ||
|
آمار تعداد مشاهده مقاله: 84 |
||