تحلیل مقایسه ای مدل های آماری و شبکه عصبی مصنوعی جهت برآورد حجم رسوبات نبکا (مطالعه موردی: نبکاهای درختچه گز در کویر ابراهیم آباد سیرجان)
نویسندگان
چکیده
روابط موجود در درون سیستم در قالب مدل های متعددی جمع بندی می شوند که این مدل ها ابزاری مهم جهت تبیین پدیده هایی هستند که در سیستم ها دیده می شوند. ازاین رو مدل سازی به عنوان ابزاری جهت درک ارتباطات اکوژئومورفولوژیکی پیچیده که در سیر تکامل ناهمواری و پوشش گیاهی حاکم می باشد می تواند در مدیریت تغییرات محیطی یا انسانی در سیستم های مناطق خشک و نیمه خشک مؤثر واقع شود. چشم اندازهای نبکایی ازجمله سیستم های اکوژئومورفیک پیچیده در مناطق بیابانی هستند که در اثر تجمع رسوبات بادی در اطراف گیاهان شکل می گیرند. هدف این پژوهش مدل سازی حجم رسوبات نبکا با روش های آماری و شبکه عصبی است. بدین منظور خصوصیات مورفومتری نبکاها و مورفولوژی گیاهی شامل، ارتفاع نبکا، قطر قاعده نبکا، حجم نبکا، قطر تاج پوشش و ارتفاع گیاه به روش طولی اندازه گیری گردید. سپس از بین روش های ساده رگرسیونی روش توانی به دلیل برخورداری از r² بالاتر انتخاب گردید. همچنین شبکه مورداستفاده جهت مدل سازی از نوع شبکه های پیش خور با الگوریتم آموزشی پس انتشار خطا می باشد. تابع آموزشی استفاده شده در شبکه trainlm و تابع انتقال از نوع log sig می باشد. جهت آموزش شبکه از 75% داده ها و جهت آزمون شبکه از 35% داده ها استفاده شده است. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی با ضریب تبیین 926/0 و میزان خطای 16/1 نسبت به مدل رگرسیونی با ضریب تبیین 868/0 و میزان خطای 3/3 از برتری بیشتری جهت برآورد حجم رسوبات نبکاهای مطالعاتی برخوردار است.
منابع مشابه
بررسی ارتباطات اکوژئومورفولوژِی توده¬زیستی و حجم رسوبات مخروط نبکاهای گونه Reaumaria Turcestanica در کویر خیرآباد سیرجان
در مطالعات ژئومورفولوژی شکلهای سطح زمین منعکسکنندهی فرآیندها و ساختار سیستمهایی است که در حال فعالیت هستند. بررسی ساختار و عملکرد این سیستمها امکان دستیابی به گذشته آنها و ترسیم روند تحول آینده آنها را هموار میسازد. وجود ارتباطات قوی بین شکل،حجم و پراکنش نبکا با فرایندهای مؤثر بر آنها حاکی از دستیابی این چشماندازها به مورفولوژی تعادلی برای شرایط اقلیمی مناسب میباشد. وجود پوشش گیاهی عامل...
متن کاملمقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی در تخمین رسوبات معلق رودخانه ها (مطالعه موردی: سیمینه رود)
زمینه و هدف: شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسایل مهم در مدیریت منابع آب می باشد. اندازه گیری مقدار رسوب به روش های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده و گاهی از دقت کافی نیز برخوردار نمی باشد. روش بررسی: در این پژوهش تخمین رسوب رودخانه سیمینه رود واقع در استان آذربایجان غربی، با استفاده از شبکه عصبی بیـزین مورد بررسی قرار گرفته و نتایج آن با روش های مرسـوم هوشمند هم...
متن کاملبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
متن کامل
بررسی ارتباطات اکوژئومورفولوژِی توده زیستی و حجم رسوبات مخروط نبکاهای گونه reaumaria turcestanica در کویر خیرآباد سیرجان
در مطالعات ژئومورفولوژی شکلهای سطح زمین منعکسکنندهی فرآیندها و ساختار سیستمهایی است که در حال فعالیت هستند. بررسی ساختار و عملکرد این سیستمها امکان دستیابی به گذشته آنها و ترسیم روند تحول آینده آنها را هموار میسازد. وجود ارتباطات قوی بین شکل،حجم و پراکنش نبکا با فرایندهای مؤثر بر آنها حاکی از دستیابی این چشماندازها به مورفولوژی تعادلی برای شرایط اقلیمی مناسب میباشد. وجود پوشش گیاهی عامل...
متن کاملمقایسه روشهای شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردی: رودخانه آجی چای)
ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها در پروژههای آبی، مهندسی رودخانه و آبیاریکاربردهای فراوانی دارد. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانهها، تعیین معادلات حاکم برآن مشکل بوده و مدلهای ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امروزه استفاده از سیستمهایهوش مصنوعی به عنوان راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است. در تحقیق حاضر منطق فازی-ع...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهش های ژئومورفولوژی کمیجلد ۳، شماره ۴، صفحات ۱۷-۲۹
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023