ارزیابی کارایی برخی روش های هوش مصنوعی در مدل سازی فرسایش پذیری بادی خاک در بخشی از اراضی شرق دریاچه ارومیه
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 151
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-51-1_005
تاریخ نمایه سازی: 2 خرداد 1402
Abstract:
پیشبینی فرسایشپذیری بادی از طریق ویژگیهای خاک به عنوان گامی اساسی در مدلسازی فرسایش بادی محسوب می شود. 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 بهینه سازی وال در مدل سازی فرسایش پذیری بادی در بخشی از اراضی پیرامون شرقی دریاچه ارومیه انجام شد. برای این منظور، ۹۶ نمونه خاک به روش تصادفی نظارت شده جمعآوری و ۳۲ ویژگی مختلف فیزیکی و شیمیایی آنها در آزمایشگاه تعیین شدند. همچنین فرسایش پذیری بادی نمونهها نیز با استفاده از تونل باد تعیین گردید. از میان ویژگیهای خاک، چهار ویژگی شامل فراوانی ذرات ثانویه ۱/۰ تا ۲۵/۰ میلی متری، فراوانی ذرات ثانویه ۷/۱ تا ۲ میلی متری، فراوانی ذرات شن ریز و محتوای کربن آلی از طریق رگرسیون گام به گام به عنوان ورودی مدلهای پیشبینی فرسایش پذیری، انتخاب شدند. نتایج نشان داد که مدل شبکه عصبی هیبریدشده با الگوریتم بهینه سازی وال با توجه به کمترین مقادیر میانگین خطا (۱۱/۰-) و جذر میانگین مربعات خطا (۹/۲) و بیشترین مقادیر ضریب تبیین (۸۷/۰) و ضریب کارایی نش-ساتکلیف (۸۷/۰) از کارایی مطلوب تری در پیش بینی فرسایشپذیری بادی خاکهای منطقه برخوردار است و پس از آن روش های شبکه عصبی مصنوعی هیبرید شده با الگوریتم ژنتیک، شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره به ترتیب در رتبه های بعدی قرار داشتند. در مجموع با توجه به کارایی قابل قبول مدل شبکه عصبی هیبریدشده با الگوریتم بهینه سازی وال در پیش بینی فرسایش پذیری بادی، استفاده از این روش برای تعیین سریع و دقیق فرسایشپذیری خاک های منطقه توصیه میشود.
Keywords:
Authors
بیژن راعی
دانشجوی دکترا گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز
عباس احمدی
عضو هیات علمی گروه علوم خاک دانشکده کشاورزی دانشگاه تبریز
محمدرضا نیشابوری
استاد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز
محمدعلی قربانی
استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز
فرخ اسد زاده
دانشیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه ارومیه
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :