تخمین نسبت جذب سدیم (SAR) و هدایت الکتریکی (EC) با استفاده از مدل‌های هیبریدی رگرسیون بردار پشتیبان و جنگل تصادفی-مطالعه موردی رودخانه‌ قطور، غرب ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

2 دانشگاه ارومیه

3 عضو هیات علمی دانشگاه ارومیه

4 دانشگاه تبریز گروه مهندسی آب

چکیده

در زمینه آبیاری، کیفیت آب نقش موثری در تعیین سازگاری آب با خاک و محصولات مختلف دارد. نمودار Wilcox به‌عنوان یک ابزار ارزشمند برای ارزیابی کیفیت آب، ذینفعان را قادر می‌سازد تا با کاهش خطرات بالقوه مربوط به شوری آب و محتوای سدیم، شیوه‌های کشاورزی پایدار را ترویج کنند. با این حال، اندازه‌گیری پارامترهای نسبت جذب سدیم (SAR) و هدایت الکتریکی (EC) با چالش‌های مختلفی مانند هزینه و زمان‌، خطای کالیبراسیون و مشکلات نگهداری همراه است. بر این اساس، این تحقیق به‌منظور پیش‌بینی پارامترهای SAR و EC با استفاده از پارامترهای سهل‌الوصول شامل سولفات و کلرید در رودخانه‌ قطور واقع در شمال غرب ایران از سال 1372 تا 1398 انجام شد. مدل‌های مورد استفاده شامل جنگل تصادفی (RF)، رگرسیون بردار پشتیبان (SVR) بودند که توسط الگوریتم‌های ژنتیک (GA)، مگس میوه (FOA) و بهترین توپ طلایی (GBO) بهینه‌سازی شدند. تجزیه و تحلیل یافته‌های حاصل از این تحقیق نشان داد که مدل RF-GA کم‌ترین خطا را در ایستگاه رودخانه قطور با داشتن جذر میانگین مربعات خطای meq/lit 809/0 و dS/m 146/0 به‌ترتیب برای پارامترهای SAR و EC داشته است. همچنین مدل SVR-GBO با داشتن جذر میانگین مربعات خطای meq/lit 877/0 و dS/m 154/0 و مدل SVR-FOA نیز با داشتن جذر میانگین مربعات خطای meq/lit 998/0 و dS/m 169/0 به‌ترتیب برای پارامترهای SAR و EC عملکرد مناسبی را داشتند. درنهایت ارزیابی پارامترهای مورد استفاده نشان داد که کلرید نقش مهمی در پیش‌بینی پارامترهای SAR و EC دارد و در صورت عدم اندازه‌گیری سولفات، می‌توان از آن به‌عنوان یک جایگزین امیدوارکننده استفاده کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Estimation of sodium absorption ratio (SAR) and electrical conductivity (EC) using hybrid models of support vector regression and random forest-case study of Qatur river, west of Iran

نویسندگان [English]

  • Milad Sharafi 1
  • Javad Behmanesh 2
  • Vahid Rezaverdinejad 3
  • Saeed Samadianfard 4
1 Department of water engineering, faculty of agriculture, Urmia university, Urmia, Iran
2 Urmia university
3 Urmia University
4 University of Tabriz
چکیده [English]

In the field of irrigation, water quality plays an effective role in determining the compatibility of water with soil and different crops. As a valuable tool for water quality assessment, the Wilcox diagram enables stakeholders to promote sustainable agricultural practices by reducing potential risks related to water salinity and sodium content. However, measuring sodium absorption ratio (SAR) and electrical conductivity (EC) parameters is associated with various challenges such as cost and time, calibration error, and maintenance problems. Based on this, this research was carried out to predict SAR and EC parameters using easily accessible parameters including sulfate and chloride in Qatur rivers located in the northwest of Iran from 1993 to 2019. The models used included random forest (RF), support vector regression (SVR), random forest combined with genetic algorithm (RF-GA), and support vector regression hybridized with fruit fly algorithm (SVR-FOA). The analysis of the results of this research showed that the RF-GA model had the least error in the Qatur river station with root mean square error of 0.809 meq/lit and 0.146 dS/m for SAR and EC parameters, respectively. Finally, the evaluation of the utilized parameters indicated that chloride plays an important role in predicting SAR and EC parameters, and if sulfate is not measured, it can be used as a promising alternative.

کلیدواژه‌ها [English]

  • Data mining
  • Hydrology
  • Machine learning
  • Sodium absorption ratio

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 30 آبان 1403
  • تاریخ دریافت: 08 مرداد 1403
  • تاریخ بازنگری: 23 آبان 1403
  • تاریخ پذیرش: 30 آبان 1403
  • تاریخ انتشار: 30 آبان 1403