برآورد ضریب فرسایش پذیری خاک (K) با استفاده از مدلهای شبکه عصبی مصنوعی تکاملی
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,283
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IDNC04_222
Index date: 17 May 2014
برآورد ضریب فرسایش پذیری خاک (K) با استفاده از مدلهای شبکه عصبی مصنوعی تکاملی abstract
رخدادهای طبیعی از جمله فرسایش خاک که از روند عادی خود خارج شده باشند، مشکلات و گرفتاریهایی برایجوامع بشری فراهم می سازند. یکی از ضروریات مهم مهار این بحران، شناخت عوامل موثر و کمی کردن آن است.تکثر پارامترهای تاثیرگذار در خواص فرسایش پذیری خاک و ارتباط عمدتا غیرخطی پارامترهای تاثیرگذار با خواصخاک از عمده دلایل استفاده از مدل شبکه های عصبی مصنوعی تکاملی است. منطقه مورد مطالعه در این تحقیقحوزه چم انجیر در استان لرستان می باشد که به همین منظور 150 گمانه در نقاط مختلف این حوزه نمونه برداریشده است و مقدار فرسایش پذیری نمونه های خاک بر اساس بافت خاک ، ساختمان خاک، نفوذ پذیری نهایی ومواد آلی از طریق نموگراف ویشمایر تعیین گردید. 80 % الگوها ( 120 الگو) برای آموزش و 10 % انتخابی الگوها ( 15الگو) برای اعتبار یابی مدل و 10 % انتخابی الگوها ( 15 الگو) برای آزمون شبکه مورد استفاده قرار می گیرد. مدلهای مورد استفاده در این تحقیق FF, TLRSN, MLP و RBF می باشد و به منظور بهینه سازی ساختار و توپولوژی شبکه ها از الگوریتم ژنتیک استفاده می گردد. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی MLP که با الگوریتم ژنتیک بهینه شده است از توانایی،انعطاف پذیری و دقت بیشتری برآورد ضریب فرسایش پذیری خاک برخوردار می باشد.
برآورد ضریب فرسایش پذیری خاک (K) با استفاده از مدلهای شبکه عصبی مصنوعی تکاملی Keywords:
برآورد ضریب فرسایش پذیری خاک (K) با استفاده از مدلهای شبکه عصبی مصنوعی تکاملی authors
تیمور بابایی نژاد
دکتری کشاورزی-خاکشناسی ، عضو هیات علمی ، دانشگاه آزاد اسلامی واحد اهواز، اهواز، ایران
نوید قنواتی
دکتری کشاورزی-خاکشناسی ، عضو هیات علمی ، دانشگاه آزاد اسلامی واحد اهواز، اهواز، 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 :