مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

537
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

571
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی کارایی برخی روش های هوش مصنوعی در مدل سازی فرسایش پذیری بادی خاک در بخشی از اراضی شرق دریاچه ارومیه

صفحات

 صفحه شروع 61 | صفحه پایان 76

چکیده

 پیش بینی فرسایش پذیری بادی از طریق ویژگی های خاک به عنوان گامی اساسی در مدل سازی 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, 96 نمونه خاک به روش تصادفی نظارت شده جمع آوری و 32 ویژگی مختلف فیزیکی و شیمیایی آن ها در آزمایشگاه تعیین شدند. همچنین فرسایش پذیری بادی نمونه ها نیز با استفاده از تونل باد تعیین گردید. از میان ویژگی های خاک, چهار ویژگی شامل فراوانی ذرات ثانویه 1/0 تا 25/0 میلی متری, فراوانی ذرات ثانویه 7/1 تا 2 میلی متری, فراوانی ذرات شن ریز و محتوای کربن آلی از طریق رگرسیون گام به گام به عنوان ورودی مدل های پیش بینی فرسایش پذیری, انتخاب شدند. نتایج نشان داد که مدل شبکه عصبی هیبریدشده با الگوریتم بهینه سازی 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 مطلوب تری در پیش بینی فرسایش پذیری بادی خاک های 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 فرسایش پذیری خاک های منطقه توصیه می شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    راعی، بیژن، احمدی، عباس، نیشابوری، محمدرضا، قربانی، محمدعلی، و اسدزاده، فرخ. (1399). ارزیابی کارایی برخی روش های هوش مصنوعی در مدل سازی فرسایش پذیری بادی خاک در بخشی از اراضی شرق دریاچه ارومیه. تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، 51(1 )، 61-76. SID. https://sid.ir/paper/396037/fa

    Vancouver: کپی

    راعی بیژن، احمدی عباس، نیشابوری محمدرضا، قربانی محمدعلی، اسدزاده فرخ. ارزیابی کارایی برخی روش های هوش مصنوعی در مدل سازی فرسایش پذیری بادی خاک در بخشی از اراضی شرق دریاچه ارومیه. تحقیقات آب و خاک ایران (علوم کشاورزی ایران)[Internet]. 1399؛51(1 ):61-76. Available from: https://sid.ir/paper/396037/fa

    IEEE: کپی

    بیژن راعی، عباس احمدی، محمدرضا نیشابوری، محمدعلی قربانی، و فرخ اسدزاده، “ارزیابی کارایی برخی روش های هوش مصنوعی در مدل سازی فرسایش پذیری بادی خاک در بخشی از اراضی شرق دریاچه ارومیه،” تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، vol. 51، no. 1 ، pp. 61–76، 1399، [Online]. Available: https://sid.ir/paper/396037/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button