ارزیابی کارایی مدل درختان تصمیم‌گیری در برآورد رسوبات معلق رودخانه‌ای مطالعه موردی: حوضۀ رودخانه میمه

اکبری، زینب؛ علی طالبی؛ بهار اکبری (1389). برآورد رسوبات معلق رودخانه با استفاده از مدل درختان تصمیم‌گیری (مطالعه موردی حوضه آبخیز حیدرآباد کرمانشاه)، اولین همایش ملی توسعه منابع آب دانشگاه آزاد اهواز.

حجه‌بخش، پریسا (1390). برآورد بار رسوب بستر با استفاده از روش درختان تصمیم‌گیری رگرسیونی و مقایسه با روش‌های تجربی، پایان‌نامه کارشناسی ارشد. دانشکده منابع طبیعی. دانشگاه یزد.

دستورانی، محمدتقی؛ اعظم حبیبی‌پور؛ محمدرضا اختصاصی؛ علی طالبی؛ جواد محجوبی (1391). بررسی کارایی مدل درخت تصمیم را در پیش‌بینی بارش (مطالعه موردی:ایستگاه سینوپتیک یزد)،مجله تحقیقات منابع آب. سال هشتم. شماره 3. صفحات 27-14 .

سبزیان‌پور،علی؛ جواد محجوبی؛ابراهیم جباری (1387). پیش‌بینی عمق آبشستگی در پایه‌های استوانه‌ای شکل با استفاده از درخت‌های رگرسیونی و مقایسه آن با روش‌های تجربی، هفتمین کنفرانس هیدرولیک ایران.

ستاری، محمدتقی؛ علی رضازاده‌جودی؛ فروغ صفدری؛ فراز قهرمانزاده (1395). ارزیابی عملکرد روش‌های مدل درختی M5 و رگرسیون بردار پشتیبان در مدل‌سازی رسوب معلق رودخانه، نشریه حفاظت منابع آب و خاک. سال ششم. شماره 1. صفحات 124-109.

طالبی، علی؛ زینب اکبری (1392). بررسی کارایی مدل درختان تصمیم‌گیری در برآورد رسوبات‌معلق‌رودخانه‌ای (مطالعه موردی حوضه سد ایلام)، مجله علوم و فنون کشاورزی و منابع طبیعی. علوم آب و خاک. سال هفدهم. شماره 63. صفحات 121-109.

ظهیری، عبدالرضا؛ خلیل قربانی (1392). شبیه‌سازی دبی جریان در مقاطع مرکب به کمک مدل درخت تصمیم M5،  مجله پژوهش‌های حفاظت آب و خاک. جلد بیستم.  شماره سوم. صفحات 132-113.

محجوبی، جواد (1386). پس‌بینی پارامترهای امواج ناشی از باد با استفاده از درخت‌های تصمیم‌گیری و مقایسه آن با شبکۀ عصبی، دانشگاه علم و صنعت. دانشکده عمران. 120ص.

معاون برنامه‌ریزی و نظارت راهبردی ریاست جمهوری (1391). راهنمای محاسبه بار رسوب معلق و بستر رودخانه، نشریه شماره 590.  158ص.

میثاقی، فرهاد؛ کورش محمدی (1383). پیش بینی تغییرات کیفیت آب رودخانه زاینده‌رود با استفاده از شبکه‌های عصبی مصنوعی، دومین کنفرانس ملی دانشجویی منابع آب و خاک.

 Abrahart, RJ., White, SM (2001). Modeling sediment transfer in Malawi: Comparing backpropagation neural network solutions against a multiple linear regression benchmark using small data set. Phys Chem Earth B. 26 (1) :19-24.

Bhattacharya, B., Price, R.K & D. P. Solomatine (2007). Machine learning approach to modeling sediment transport. Journal of Hydraulic  Engineering. 133(4), 440-450.

Culberston, D. M (1967). "Scour and fill in alluvial channels", U.S Geological Survey.58 pp.

Hansen M. Dubayah R. and DeFries R (1996). Classification trees: an alternative to traditional land cover classifiers: International Journal of Remote Sensing. Volume 17(5): 1075-1081.

Hitoshi Saito, Daichi Nakayama and Hiroshi Matsuyama.(2009). Comparison of landslide susceptibility based on a decision-tree model and actual landslide occurrence: The Akaishi Mountains,Japan,geomorphologyAugust,108-121.

Jansen,P.P(1983).Principles of river engineering, Pitman Pub. Inc., England.

Kheir, B. F., Chorowicz, J., Chadi Abdallah, Damien Dhont (2008). Soil and bedrock distribution estimated from gully form and frequency: A GIS-based decision-tree model for Lebanon. Geomorphology 93, 482-492.

Mehta M. Agrawal R. and Rissanen J (1996). SLIQ: A fast scalable classifier for data mining: Proceeding of the Fifth International Conference on Extending Database Technology,  Avignon, France. 1057:18-32.

Mitchell. T. M (1997). Machine Learning, McGrow- Hil Since engineering/  math.432 pp.

Ozturk, F., Apaydin, H. and Walling, D.E (2001). Suspended sediment loads through flood events for streams of Sakarya Basin. Journal of Engineering Environment, 25, 643-650.

Qing He, Zhi Dong, Fuzhen Zhuang, Tianfeng Shang, Zhongzhi Shi (2012). Parallel Decision Tree with Application to Water Quality Data Analysis.Advances in Neural Networks-ISNN 2012. Lecture Notes in Computer Science, Vol 7368, 2012, PP: 628-637

Rodney J. Woolf (2005).  Data mining using matlab. bachelore of engineering. University of Southern Queensland Faculty of Engineering & Surveying, PP: 125.

Roman Timofeev (2004). Classification & regression trees(CART),Theory and applications. CASE-Center of Applied Statistics & Economics Humboldt University, Berlin.40 pp.

Saghebian, S. M;  Sattari, M;  Mirabbasi, R; Mahesh Pal (2014). Ground water quality classification by decision tree method in Ardebil region, Iran,Arabian Journal of Geosciences.7, 4767-4777.

Solomatine, D. P. Yunpeng, X (2004). M5 Model Trees & Neural Networks:Application to Flood Forecasting in the Upper Reach of the Huai River in China, Journal of Hydrologic Engineering 9 (6), 491-501.

Tayfur, G., S. Ozdemir, Vijay P. Singh (2003). Fuzzy logic algorithm for runoff-induced sediment transport from bare soil surfaces, Advances in Water Resources 26, 1249-1256.