کارآیی مدل شبکه عصبی مصنوعی در برآورد سرعت آستانه فرسایش بادی ( مطالعه موردی: دشت سیستان، منطقه جزینک )
- سال انتشار: 1395
- محل انتشار: سومین کنگره علمی پژوهشی توسعه و ترویج علوم کشاورزی، منابع طبیعی و محیط زیست ایران
- کد COI اختصاصی: PDCONF03_163
- زبان مقاله: فارسی
- تعداد مشاهده: 571
نویسندگان
دانشجوی کارشناسی ارشد بیابان زدایی، دانشگاه زابل
دانشیار گروه مرتع و آبخیزداری، دانشگاه زابل
استادیار گروه مرتع و آبخیزداری، دانشگاه زابل
مربی گروه آبیاریزهکشی، دانشگاه زابل
چکیده
سرعت آستانه فرسایش بادی اهمیت زیادی در متمرکز نمودن فعالیت ها و پروژه های بیابان زدایی دارد. روش های مختلفی برای بدست آوردن این پارامتر وجود دارد ولی استفاده از تونل باد قابل حمل، از دقت بیشتری برخوردار است اما نیازمند وقت و هزینه زیادی است. لذا مدل سازی این پارامتر مهم با استفاده از خصوصیات زود یافت خاک ضروری بنظر می رسد. بنابراین استفاده از شبکه عصبی مصنوعی بعنوان یک مدل جعبه سیاه برای مدلسازی سیستم های پیچیده و غیرخطی مفید می باشد. هدف از این تحقیق بررسی کارایی مدل شبکه عصبی مصنوعی MLP ، در برآورد سرعت آستانه فرسایش بادی است. در این تحقیق، سرعت آستانه فرسایش بادی با استفاده از تونل باد به صورت سیستماتیک در 60 نقطه از بخشی از دشت سیستان ( منطقه جزینک ) اندازه گیری شد و بافت خاک، اسیدیته، شوری، ماده آلی، میانگین وزنی قطر خاکدانه ها، در صد سنگریزه، در صد ذرات بیشتر از 0.84 میلی متر، رطوبت خاک، وزن مخصوص ظاهری خاک و ساختمان خاک بعنوان ورودی های شبکه عصبی مصنوعی، در نظر گرفته شد. به منظور دستیابی به جواب های قابل قبول از شبکه عصبی انواع ترکیبات ورودی شبکه، تعداد لایه های شبکه، تعداد نرون های لایه های ورودی و مخفی شبکه مورد ارزیابی و بررسی قرار گرفت و در نهایت، الگوریتم یادگیری لونبرگ- مارکوارت با سه لایه مخفی و سه نرون در هر لایه بهترین نتایج را با توجه به 0.98= 2 R و0.07 = RMSE، در پیش بینی سرعت آستانه فرسایش بادی، نشان داد.کلیدواژه ها
دشت سیستان، سرعت آستانه فرسایش بادی، شبکه عصبی مصنوعیمقالات مرتبط جدید
- بررسی تنوع زیستی گیاهان مرتعی ارتفاعات کبیرکوه در جنوب دره شهر (استان ایلام)
- عوامل موثر بر میزان پیچان رودخانه های خرم اباد
- ارزیابی کیفیت آب شرب گاوهای شیری در گاوداری های صنعتی حومه مشهد از نظر وجود فلزات سنگین، نیترات و سولفات
- بیو پلیمر پلی ساکاریدی برای مصارف دامپزشکی
- راهکارهای کارآمد کاهش انتشار گازهای گلخانه ای از طریق فناوری کشاورزی هوشمند
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.