ارزیابی کارایی برخی روشهای هوش مصنوعی در مدلسازی فرسایشپذیری بادی خاک در بخشی از اراضی شرق دریاچه ارومیه | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 5، دوره 51، شماره 1، فروردین 1399، صفحه 61-76 اصل مقاله (1.77 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2019.283359.668233 | ||
| نویسندگان | ||
| بیژن راعی* 1؛ عباس احمدی2؛ محمدرضا نیشابوری3؛ محمدعلی قربانی4؛ فرخ اسد زاده5 | ||
| 1دانشجوی دکترا گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز | ||
| 2عضو هیات علمی گروه علوم خاک دانشکده کشاورزی دانشگاه تبریز | ||
| 3استاد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز | ||
| 4استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز | ||
| 5دانشیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه ارومیه | ||
| چکیده | ||
| پیشبینی فرسایشپذیری بادی از طریق ویژگیهای خاک به عنوان گامی اساسی در مدلسازی فرسایش بادی محسوب میشود. این پژوهش با هدف مقایسه کارایی چهار روش مختلف شامل رگرسیون خطی چندمتغیره، شبکه عصبی مصنوعی، شبکه عصبی مصنوعی هیبریدشده با الگوریتم ژنتیک و شبکه عصبی هیبریدشده با الگوریتم بهینهسازی وال در مدلسازی فرسایشپذیری بادی در بخشی از اراضی پیرامون شرقی دریاچه ارومیه انجام شد. برای این منظور، 96 نمونه خاک به روش تصادفی نظارت شده جمعآوری و 32 ویژگی مختلف فیزیکی و شیمیایی آنها در آزمایشگاه تعیین شدند. همچنین فرسایشپذیری بادی نمونهها نیز با استفاده از تونل باد تعیین گردید. از میان ویژگیهای خاک، چهار ویژگی شامل فراوانی ذرات ثانویه 1/0 تا 25/0 میلیمتری، فراوانی ذرات ثانویه 7/1 تا 2 میلیمتری، فراوانی ذرات شن ریز و محتوای کربن آلی از طریق رگرسیون گام به گام به عنوان ورودی مدلهای پیشبینی فرسایشپذیری، انتخاب شدند. نتایج نشان داد که مدل شبکه عصبی هیبریدشده با الگوریتم بهینهسازی وال با توجه به کمترین مقادیر میانگین خطا (11/0-) و جذر میانگین مربعات خطا (9/2) و بیشترین مقادیر ضریب تبیین (87/0) و ضریب کارایی نش-ساتکلیف (87/0) از کارایی مطلوبتری در پیشبینی فرسایشپذیری بادی خاکهای منطقه برخوردار است و پس از آن روشهای شبکه عصبی مصنوعی هیبرید شده با الگوریتم ژنتیک، شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره به ترتیب در رتبههای بعدی قرار داشتند. در مجموع با توجه به کارایی قابل قبول مدل شبکه عصبی هیبریدشده با الگوریتم بهینهسازی وال در پیشبینی فرسایشپذیری بادی، استفاده از این روش برای تعیین سریع و دقیق فرسایشپذیری خاکهای منطقه توصیه میشود. | ||
| کلیدواژهها | ||
| "شبکه عصبی مصنوعی؛ الگوریتم ژنتیک؛ الگوریتم بهینهسازی وال؛ فرسایش بادی؛ تونل باد" | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,583 تعداد دریافت فایل اصل مقاله: 882 |
||