نوع مقاله : مقاله پژوهشی
نویسندگان
1
گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
2
گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران
3
گروه مهندسی آبیاری و آبادانی،پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
4
گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
5
گروه احیاء مناطق خشک و بیابانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
چکیده
کمیابی آب و به دنبال آن بحران‌های اجتماعی و اقتصادی، ضرورت استفاده از رویکردهای جدید مبتنی بر دانش بین‌رشته‌ای 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 سامانه‌های منابع آب خود به مسئله‌ای تبدیل شده است که حل آن، ما را در اصلاح ساختارهای ناکارآمد کنونی یاری می‌رساند. لذا هدف اصلی در این مطالعه اثبات ارتباط متقابل برخی پارامترهای اجتماعی و منابع آب در مقیاس قاره‌ای با به کارگیری ابزار مدل‌سازیِ 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 شده است. طول دوره آماری داده‌ها 13 سال (2017-2005) و برای 42 کشور از قاره آسیا که سرانه منابع آب آن‌ها روند نزولی دارند، می‌باشد. سپس با به کارگیری روش‌های محاسبات نرم از جمله شبکه عصبی (ANN)، درخت تصمیم (M5) و سیستم استنتاج فازی-عصبی 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 می‌باشد. همچنین پس از مدل ANFIS به ترتیب مدل‌های M5 و ANN عملکرد بهتری داشتند و صحت ارتباط متقابل بین پارامترهای اجتماعی و منابع آب در سطح بسیار بالایی مورد تایید قرار گرفت.
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
Investigating the Interrelationships between Hydro-Social Parametersin the Asian Continent Using Data Mining Methods
نویسندگان [English]
-
Mohammad Ansari Ghojghar
1
-
Sarvin Zmanzad-Ghavidel
1
-
fariba khodabakhshi
2
-
Masoud Pourgholam-Amiji
3
-
Shahab Araghinejad
4
-
Ali Salajegheh
5
1
Department of Irrigation and Reclamation Engineering, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran.
2
Department of Water Engineering, Imam Khomeini International University, Qazvin, Iran
3
Department of Irrigation and Reclamation Engineering,, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran.
4
Department of Irrigation and Reclamation Engineering, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran.
5
Department of Arid and Mountainous Regions Reclamation, Faculty of Natural Resources, University of Tehran, Karaj, Iran.
چکیده [English]
Water scarcity and subsequent social and economic crises have doubled the need to use new interdisciplinary knowledge-based 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 will help us 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 is 13 years (2005-2007) for 42 countries in Asia whose per capita water resources are declining.Then, using soft copmuting methods such as neural network (ANN), decision tree (M5) and adaptive fuzzy-neural inference system (ANFIS), the interaction between per capita water resources and social parameters is modeled. The results of the modeling 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 performed better, respectively.
کلیدواژه‌ها [English]
-
social parameters
-
ANFIS
-
integrated management
)