ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی با استفاده از سیستم اطلاعات جغرافیایی GIS (مطالعه موردی: دشت دهلران، ایلام)
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 500
فایل این مقاله در 17 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_GIRS-7-3_005
تاریخ نمایه سازی: 25 خرداد 1398
چکیده مقاله:
یکی از مشکلات اصلی مناطق خشک و نیمه خشک حاکمیت پدیده بیابانزایی است. بنابراین، شناخت و پیش بینی عوامل موثر در پیشرفت پدیده بیابان زایی می تواند در مدیریت بهتر این مناطق موثر واقع شود. هدف از این تحقیق ارزیابی صحت مدل شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی و انتخاب موثرترین معیار بیابان زایی در دشت دهلران با استفاده از مدل ایرانی ارزیابی وضعیت بیابان زایی (IMDPA) است. در این روش دو معیار آب و اقلیم به عنوان عوامل موثر در بیابان زایی انتخاب شدند. برای معیار اقلیم سه شاخص بارش سالانه، شاخص SPI و تداوم خشک سالی و برای معیار آب پنج شاخص افت آب، نسبت جذب سدیم، کلر، هدایت الکتریکی و کل مواد محلول در آب ارزیابی شد. با استفاده از مدل مذکور هر شاخص امتیازدهی شد. سپس با میانگین هندسی نقشه های معیار و شدت بیابان زایی در نرم افزار ArcGIS®93 برای دوره مورد نظر تهیه شد. در نهایت داده ها به شبکه عصبی مصنوعی جهت پیش بینی وارد شدند. نتایج نشان دهنده کارایی بالای مدل های شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی بود به گونه ای که دقت شبکه بالای 80 درصد و میانگین مربعات خطا کمتر از یک بدست آمد. همین طور بر اساس نتایج بدست آمده برای دوره پیش بینی شده مهم ترین معیارهای احتمالی تاثیرگذار بر شدت بیابان زایی منطقه به ترتیب معیارهای اقلیم و آب با متوسط وزنی 2 (متوسط زیر کلاس 1، 2 و 3)، 84/1 (متوسط زیر کلاس 1 و 2) رتبه بندی گردیدند.
کلیدواژه ها:
نویسندگان
ثریا یعقوبی
دانش آموخته کارشناسی ارشد مرتع و آبخیزداری، دانشگاه ایلام
مرزبان فرامرزی
استادیار دانشکده کشاورزی، دانشگاه ایلام
حاجی کریمی
دانشیار دانشکده کشاورزی، دانشگاه ایلام
جواد سروریان
استادیار دانشکده کشاورزی، دانشگاه ایلام
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 :