سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

برآورد سرعت آستانه فرسایش بادی با استفاده از تونل باد همراه با الگوریتم های یادگیری ماشین

Publish Year: 1402
Type: Journal paper
Language: Persian
View: 206
این Paper فقط به صورت چکیده توسط دبیرخانه ارسال شده است و فایل کامل قابل دریافت نیست. برای یافتن Papers دارای فایل کامل، از بخش [جستجوی مقالات فارسی] اقدام فرمایید.

نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_IJSWR-54-6_005

Index date: 30 September 2023

برآورد سرعت آستانه فرسایش بادی با استفاده از تونل باد همراه با الگوریتم های یادگیری ماشین abstract

فرسایش بادی یک عامل تخریب زمین در سراسر جهان به ویژه در مناطق خشک و نیمه خشک ایران است. این پدیده تحت تاثیر ویژگی های خاکی زیادی قرار دارد. هدف اصلی مطالعه حاضر برآورد سرعت آستانه فرسایش بادی با استفاده از ویژگی های قابل اندازه گیری زودیافت خاک همراه با روش های داده کاوی بود. برای این منظور، سرعت آستانه فرسایش بادی در ۱۰۰ منطقه در استان فارس با استفاده از تونل باد قابل حمل اندازه گیری شد. سرعت آستانه فرسایش بادی توسط الگوریتم رگرسیون بردار پشتیبان با استفاده از ویژگی های قابل اندازه گیری زودیافت پیش بینی شد. در همین راستا، به منظور دستیابی به مجموعه ویژگی های موثر در برآورد سرعت آستانه فرسایش بادی، از الگوریتم ژنتیک استفاده شد. نتایج نشان داد که ویژگی های رطوبت خاک (۷۷/۰ =r )، توزیع اندازه ذرات خاک از جمله میانگین وزنی قطر خاکدانه ها (۸۷/۰ = r) و جزء فرسایش پذیر خاک (۸۱/۰- =r )، مقاومت فروروی (۷۵/۰ = r) و ماده آلی (۳۳/۰ =r ) همبستگی زیاد و معنی داری با سرعت آستانه فرسایش بادی داشتند و همچنین در تعیین سرعت آستانه فرسایش بادی در منطقه نقش کلیدی دارند. با توجه به معیارهای ارزیابی، مدل تلفیقی رگرسیون بردار پشتیبان به همراه الگوریتم ژنتیک بهترین عملکرد و دقیق ترین برآورد را برای سرعت آستانه فرسایش بادی داشته است (۵۳/۰ = RMSE و ۹۲/۰ = R۲) و می تواند یک روش امیدوار کننده برای برآورد سرعت آستانه فرسایش بادی باشد.

برآورد سرعت آستانه فرسایش بادی با استفاده از تونل باد همراه با الگوریتم های یادگیری ماشین Keywords:

برآورد سرعت آستانه فرسایش بادی با استفاده از تونل باد همراه با الگوریتم های یادگیری ماشین authors

منیره مینا

بخش علوم و مهندسی خاک، دانشکده کشاورزی،دانشگاه شیراز،شیراز،ایران

عبدالمجید ثامنی

بخش علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شیراز،شیراز، ایران

سید علی اکبر موسوی

بخش علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران

یعقوب قنبری

گروه علوم کامپیوتر و فناوری اطلاعات، دانشکده مهندسی، دانشگاه هرمزگان، هرمزگان، ایران.

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 :
Azimzadeh, H. R., Derakhshan, Z., & Shirgahi, F. (۲۰۲۲). Field ...
Besalatpour, A. A., Shirani, H., & Esfandiarpour Borujeni, I. (۲۰۱۵). ...
Borrelli, P., Ballabio, C., Panagos, P., & Montanarella, L. (۲۰۱۴). ...
Chappell, A., Webb, N. P., Guerschman, J. P., Thomas, D. ...
Chen, W., Zhibao, D., Zhenshan, L., & Zuotao, Y. (۱۹۹۶). ...
Chepil, W. S., & Woodruff, N. P. (۱۹۵۴). Estimations of ...
Ciric, V., Manojlovic, M., Nesic, L., & Belic, M. (۲۰۱۲). ...
Gholami, H., & Mohammadifar, A. (۲۰۲۲). Novel deep learning hybrid ...
Han, Q., Qu, J., Zhang, K., Zu, R., Niu, Q., ...
Hoogsteen, M. J. J., Lantinga, E. A., Bakker, E. J., ...
Jahanbazi, L., Jafarzadeh, A. A., & Forughyfar, H. (۲۰۱۶). Relation ...
Kaewmano, C., Kheoruenromne, I., Suddhiprakarn, A., & Gilkes, R. J. ...
Kemper, W. D., & Rosenau, R. C. (۱۹۸۶). Aggregate stability ...
Kheirabadi, H., Mahmoodabadi, M., Jalali, V., & Naghavi, H. (۲۰۱۸). ...
Kouchami-Sardoo, I., Shirani, H., Esfandiarpour-Boroujeni, I., Álvaro-Fuentes, J., & Shekofteh, ...
Kouchami-Sardoo, I., Shirani, H., Esfandiarpour-Boroujeni, I., Besalatpour, A. A., & ...
Lamorski, K., Pastuszka, T., Krzyszczak, J., Sławiński, C., & Witkowska-Walczak, ...
Leys, J., Koen, T., & McTainsh, G. (۱۹۹۶). The effect ...
Li, J., Flagg, C., Okin, G. S., Painter, T. H., ...
Liao, K., Xu, S., Wu, J., Zhu, Q., & An, ...
Liu, L. Y., Li, X. Y., Shi, P. J., Gao, ...
Mina, M., Emami, H., & Karimi, A. (۲۰۲۰). Evaluation the ...
Mina, M., Rezaei, M., Sameni, A., Moosavi, A. A., & ...
Mina, M., Rezaei, M., Sameni, A., Ostovari, Y., & Ritsema, ...
Moosavi, A. A., & Sepaskhah, A. R. (۲۰۱۲). Spatial variability ...
Moradi, F., Moosavi, A. A., & Khalili Moghaddam, B. (۲۰۱۶). ...
Mozaffari, H., Moosavi, A. A., & Sepaskhah, A. (۲۰۲۱). Land ...
Mozaffari, H., Moosavi, A. A., Sepaskhah, A. R. & Cornelis, ...
Nafarzadegan, A. R., Zadeh, M. R., Kherad, M., Ahani, H., ...
Narimani, Z., & Manafi, Sh. (۲۰۱۶). The study of physico-chemical ...
Négyesi, G., Lóki, J., Buró, B., & Szabó, S. (۲۰۱۶). ...
Nelson, R. E. (۱۹۸۳). Carbonate and gypsum. Methods of soil ...
Page, A. I., Miller, R. H., & Keeny, D. R. ...
Pásztor, L., Négyesi, G., Laborczi, A., Kovács, T., László, E., ...
Perfect, E., Kay, B. D., Ferguson, J. A., Da Silva, ...
Rezaei, M., Mina, M., Ostovari, Y., & Riksen, M. J. ...
Rezaei, M., Sameni, A., Shamsi, S. R. F., & Bartholomeus, ...
Sanikhani, H., Dinpashoh, Y., & Ghorbani, M. A. (۲۰۱۵). Baranduz-Chay ...
Shao, Y. (Ed.). (۲۰۰۸). Physics and modeling of wind erosion. ...
Sharratt, B. S., & Vaddella, V. (۲۰۱۴). Threshold friction velocity ...
Sirjani, E., Sameni, A., Moosavi, A. A., Mahmoodabadi, M., & ...
Twarakavi, N. K., Šimůnek, J., & Schaap, M. G. (۲۰۰۹). ...
Vapnik, V., Golowich, S., & Smola, A. (۱۹۹۶). Support vector ...
Visser, S. M., Sterk, G., & Ribolzi, O. (۲۰۰۴). Techniques ...
Yan, N., Marschner, P., Cao, W., Zuo, C., & Qin, ...
Zahedifar, M. )۲۰۲۳a(. Assessing alteration of soil quality, degradation, and ...
Zahedifar, M. )۲۰۲۳b(. Feasibility of fuzzy analytical hierarchy process (FAHP) ...
Zhou, T., Geng, Y., Chen, J., Pan, J., Haase, D., ...
نمایش کامل مراجع