|
|
بررسی ارتباط متقابل بین پارامترهای هیدرواجتماعی در قاره آسیا با استفاده از روشهای دادهکاوی
|
|
|
|
|
نویسنده
|
انصاری قوجقار محمد ,زمانزاد قویدل سروین ,خدابخشی فریبا ,پورغلام آمیجی مسعود ,عراقی نژاد شهاب ,سلاجقه علی
|
منبع
|
تحقيقات آب و خاك ايران - 1400 - دوره : 52 - شماره : 3 - صفحه:597 -609
|
|
|
چکیده
|
کمیابی آب و به دنبال آن بحرانهای اجتماعی و اقتصادی، ضرورت استفاده از رویکردهای جدید مبتنی بر دانش بین رشته ای در اصلاح ساختارها و سیاستهای مدیریت منابع آب و اجرای طرحها و پروژههای منابع آب را دوچندان کرده است. در این میان شناخت ارتباط متقابل علوم اجتماعی و سامانه های منابع آب خود به مسئله ای تبدیل شده است که حل آن، ما را در اصلاح ساختارهای ناکارآمد کنونی یاری می رساند. لذا هدف اصلی در این مطالعه اثبات ارتباط متقابل برخی پارامترهای اجتماعی و منابع آب در مقیاس قارهای با بهکارگیری ابزار مدل سازیِ نرم افزاری است. در این پژوهش دادههای سرانه منابع آب تجدیدپذیر و پارامترهای اجتماعی شامل نسبت جمعیت روستایی به جمعیت شهری، تراکم جمعیت، تعداد کاربران اینترنت و شاخص تحصیلات در مقیاس سالانه در نظر گرفته شدند. طول دوره آماری دادهها 13 سال (20172005) بود و برای 42 کشور از قاره آسیا که سرانه منابع آب آنها روند نزولی داشت، این مطالعه انجام شد. سپس با بهکارگیری روشهای محاسبات نرم از جمله شبکه عصبی (ann)، درخت تصمیم (m5) و سیستم استنتاج فازیعصبی تطبیقی (anfis) ارتباط متقابل بین سرانه منابع آب و پارامترهای اجتماعی، مدلسازی شده است. نتایج حاصل از مدلسازی با معیارهای ضریب تعیین (r2)، میانگین مربعات خطا (rmse) و میانگین قدر مطلق خطا (mae) ارزیابی شدند. در نهایت، نتایج حاکی از عملکرد برتر روش anfis نسبت به دو مدل دیگر در بررسی ارتباط متقابل سرانه منابع آب و پارامترهای اجتماعی است. همچنین پس از مدل anfis به ترتیب مدل های m5 و ann عملکرد بهتری داشتند و صحت ارتباط متقابل بین پارامترهای اجتماعی و منابع آب در سطح بسیار بالایی مورد تائید قرار گرفت.
|
کلیدواژه
|
پارامترهای اجتماعی، سیستم استنتاج فازیعصبی تطبیقی، مدیریت یکپارچه
|
آدرس
|
دانشگاه تهران، پردیس کشاورزی و منابع طبیعی, گروه مهندسی آبیاری و آبادانی, ایران, دانشگاه تهران, گروه مهندسی آبیاری و آبادانی, ایران, دانشگاه بین المللی امام خمینی (ره), گروه علوم و مهندسی آب, ایران, دانشگاه تهران, گروه مهندسی آبیاری و آبادانی, ایران, دانشگاه تهران, گروه مهندسی آبیاری و آبادانی, ایران, دانشگاه تهران, گروه احیاء مناطق خشک و بیابانی, ایران
|
|
|
|
|
|
|
|
|
|
|
Investigating the Interrelationships between HydroSocial Parameters in the Asian Continent Using Data Mining Methods
|
|
|
Authors
|
Salajegheh Ali ,Pourgholam-Amiji Masoud ,Ansari Ghojghar Mohammad ,Zmanzad-Ghavidel Sarvin ,Araghinejad Shahab ,khodabakhshi fariba
|
Abstract
|
Water scarcity and subsequent social and economic crises have doubled the need to use new interdisciplinary knowledgebased approaches in reforming water resources management structures and policies and implementing water resources plans and projects. In the meantime, recognizing the interrelationships of the social sciences and their water resources systems has become a problem that its solution help us to correct existing dysfunctional structures. Therefore, the main purpose of this study is to prove the interrelationship of some social parameters and water resources on a continental scale with the use of software modeling tools. In this study, per capita data on renewable water resources and social parameters including the ratio of rural population to urban population, population density, number of Internet users and education index on an annual scale are considered. The statistical period of the data was 13 years (20052007) and this study was performed for 42 countries in Asia whose per capita water resources were declining. Then, using soft copmuting methods such as Artificial Neural Network (ANN), Decision Tree (M5) and Adaptive Fuzzyneural Inference System (ANFIS), the interrelationship between per capita water resources and social parameters was modeled. Modeling results were evaluated by the criteria of determination coefficient (R2), root mean square error (RMSE) and mean absolute error (MAE) values. Finally, the results indicate the superior performance of ANFIS method compared to the other two models in evaluating the interaction of per capita water resources and social parameters. Also, after the ANFIS model, the M5 and ANN models had better performance, respectively.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|