| Authors | یوسف رمضانی |
| Conference Title | بیست و چهارمین کنفرانس ملی هیدرولیک ایران |
| Holding Date of Conference | 2025-10-29 |
| Event Place | بیرجند |
| Page number | 0-0 |
| Presentation | POSTER |
| Conference Level | Internal Conferences |
| Keywords | پیش بینی, جنگل تصادفی, رسوب معلق, شبیه سازی, مدل های یادگیری ماشین. |
|---|
Abstract
پیشبینی دقیق بار رسوب معلق نقش مهمی در مدیریت منابع آب، طراحی ساز ههای هیدرولیکی و کاهش خسارات ناشی از رسو بگذاری دارد.
در این پژوهش، از مدل جنگل تصادفی (RF) برای برآورد بار رسوب معلق در ایستگاه دهملا رودخانه زهره استفاده شد. داد ههای دبی و رسوب
معلق طی دوره ۱۳۶۲ تا ۱۳۹۷ جمعآوری و مدل در دو فاز آموزش و آزمایش ارزیابی گردید. شاخصهای آماری ریشه میانگین مربعات خطا
(RMSE) ، ضریب تعیین (R²) ، نش -ساتکلیف (NSE) و کلین گ–گوبت ا (KGE) برای سنجش عملکرد ب هکار رفتند. نتایج نشان داد مدل
RF با مقادیر ضریب تعیین ۹۷ / ۰ ، نش -ساتکلیف ۹۶ / ۰، کلین گ–گوبتا ۸۸ / ۰ و ریشه میانگین مربعات خطا ۲۶۹۸۲ تن در روز در فاز آزمایش،
دقت بسیار بالایی داشته و بهعنوان روشی کارآمد برای پیشبینی رفتار پیچیده رسوبات معلق پیشنهاد م یشود .
Paper URL