مقایسه و کاربرد شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم در پیش بینی هدایت هیدرولیکی اشباع خاک (مطالعه موردی: شهرستان هیرمند)
محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 13، شماره: 25
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 210
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-13-25_008
تاریخ نمایه سازی: 31 تیر 1401
چکیده مقاله:
مقدمه و هدف: اندازه گیری مستقیم هدایت هیدرولیکی خاک وقتگیر و پرهزینه بوده و گاهی اوقات بهدلیل خطاهای آزمایشی و عدم یکنواختی خاک نتایج بدست آمده چندان قابل اعتماد نمی باشد. این پارامتر را میتوان با استفاده از پارامترهای زودیافت خاک برآورد کرد. تحقیق حاضر بهمنظور پیش بینی هدایت هیدرولیکی اشباع خاک با استفاده از روش های درخت تصمیم، ماشین بردار پشتیبان و شبکه عصبی مصنوعی در شهرستان هیرمند انجام گرفت.
مواد و روش ها: برای این منظور، تعداد ۱۳۰نمونه خاک از سطح (۳۰- ۰ سانتی متری) جمع آوری و برای انجام آزمایش و آنالیز ها، به آزمایشگاه انتقال داده شد. در آزمایشگاه پارامترهای هدایت هیدرولیکی اشباع خاک، درصد رس، شن و سیلت، ماده آلی، اسیدیته، هدایت الکتریکی و کربنات کلسیم اندازه گیری شد. سپس با استفاده از پارامترهای اندازه گیری شده و با استفاده از مدلهای درخت تصمیم، شبکه عصبی مصنوعی و ماشین بردار پشتیبان هدایت هیدرولیکی اشباع برآورد شد. بهمنظور ارزیابی مدل ها از معیارهای ضریب تبیین، مجذور میانگین مربعات خطا و خطای مطلق میانگین استفاده شد.
یافته ها: نتایج نشان داد که مدل درخت تصمیم با دارا بودن بالاترین ضریب تبیین (۰/۸۳) و کمترین مقدار میانگین مربعات خطا و خطای مطلق میانگین (۰/۰۰۲۶ و ۰/۰۰۱۹) بهترین مدل برای پیش بینی هدایت هیدرولیکی اشباع خاک در منطقه هیرمند می باشد. همچنین نتایج آنالیز حساسیت داده ها با استفاده از مدل شبکه عصبی مصنوعی نشان داد که درصد شن، درصد آهک، درصد سیلت و اسیدیته بهترتیب مهمترین فاکتور های موثر بر هدایت هیدرولیکی اشباع خاک در شهرستان هیرمند میباشند.
نتیجه گیری: نتایج حاصل بیانگر عملکرد بسیار مطلوب روشهای هوش مصنوعی در پیش بینی هدایت هیدرولیکی اشباع خاک می باشد. در شرایطی که امکان اندازه گیری هدایت هیدرولیکی امکانپذیر نباشد، می توان با استفاده از پارامترهای زودیافت خاک و روشهای هوش مصنوعی، هدایت هیدرولیکی را تخمین زد.
کلیدواژه ها:
Artificial intelligence ، Constant head ، Early soil characteristics ، بار ثابت ، ویژگی های زود یافت خاک ، هوش مصنوعی
نویسندگان
ایمان بیژن
zabol university
حلیمه پیری
zabol university
محمود طباطبایی
zabol university
جمشید پیری
zabol university
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :