fa بررسی کارایی مدل درختان تصمیم‌گیری در برآورد رسوبات معلق رودخانه‌ای (مطالعه موردی: حوضه سد ایلام) عمومی Ggeneral پژوهشي Research تخمین درست حجم رسوبات حمل شده توسط رودخانه‌ها در پروژه‌های آبی از اهمیت بسیاری برخوردار است. در حقیقت حصول روش‌هایی برای محاسبه دبی رسوبات مهم‌ترین هدف تحقیقات مربوط به فرآیند رسوب شده است. از جمله این روش‌ها می‌توان به روش‌های یادگیری ماشین از قبیل مدل درختان تصمیم‌گیری که مبتنی بر اصول یادگیری می‌باشند، اشاره کرد. روش درخت تصمیم یک روش سلسله مراتبی یا چند مرحله‌ای است که در آن به‌صورت بازگشتی مجموعه داده‌ها به روش دودویی به تقسیمات فرعی و کوچک‌تر تقسیم‌بندی می‌شود تا زمانی‌که تقسیمات فرعی نهایی نتوانند بیشتر از آن تجزیه شوند. درختان تصمیم استقرایی مجموعه‌ای از داده‌های معلوم را می‌گیرد و یک درخت تصمیم را از آن استنتاج می‌کند. سپس درخت می‌تواند به‌صورت مجموعه قوانینی برای پیش‌بینی ویژگی‌های معلوم استفاده شود. در این تحقیق کارایی این تکنیک در پیش‌بینی میزان آورد رسوبات رودخانه گل گل حوضه سد ایلام مورد بررسی قرار گرفته است. جهت ارزیابی دقت و صحت نتایج این مدل که در محیط برنامه‌نویسی M‏ATLAB اجرا شده است معیارهای آماری R, BIAS ,RMSE ,r2 و MAE مورد استفاده قرار گرفته است. نتایج نشان داده که به‌طورکلی و براساس تمامی معیارهای آماری ذکر شده، مدل درخت تصمیم‌گیری در مقایسه با روش مرسوم منحنی سنجه رسوب تطابق بسیار بیشتری با مقادیر اندازه‌گیری شده داشته و مهم‌ترین عامل ایجاد درخت که هم‌بستگی بالایی با مقادیر رسوب داشته است، دبی متناظر با رسوب و سپس بارش‌های روزانه بوده است. The real estimation of the volume of sediments carried by rivers in water projects is very important. In fact, achieving the most important ways to calculate sediment discharge has been considered as the objective of the most research projects. Among these methods, the machine learning methods such as decision trees model (that are based on the principles of learning) can be presented. Decision tree method is a hierarchical multi step method which is a recursive data collection technique to binary and smaller sub-divisions until the final analysis cannot be divided. Decision trees consider a priori known set of data and derive a decision tree from it. Then, tree can be used as the set of laws to predict unknown features. In this research, the efficiency of this technique for predicting the suspended sediments in Ilam dam basin has been investigated. To evaluate the accuracy of the methods (written by MATLAB software), statistical criteria such as R, BIAS, RMSE, r2 and MAE were computed. The results showed that based on all the statistical criteria, decision tree in comparison with the sediment rating curve had most consistency with the observed data. Meanwhile, the most important factors for creating tree in the model (that had high correlation with sediment data) are the corresponding discharge and daily rainfall. بار معلق، درخت تصمیم‌گیری، حوضه سد ایلام Suspended sediment, Decision trees model, Ilam dam basin. 109 121 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-1068-3&slc_lang=fa&sid=1 A. Talebi علی طالبی talebisf@yazduni.ac.ir Yes Z. Akbari زینب اکبری No