تحلیل عملکرد شبکه عصبی مصنوعی(ann) و سیستم استنتاج عصبی- فازی تطبیقی(anfis) در پیش بینی و برآورد فرسایش و رسوب حوضه نوران

در طی سال های اخیر مسئله حفاظت از خاک و آب از اصولی ترین پایه های توسعه پایدار مطرح می باشد. اثرات منفی فرسایش و پیامدهای ناشی از آن ، نه تنها سبب کاهش توان تولیدی و تخریب خصوصیات فیزیکی و شیمایی خاک می گردد. بلکه باعث می شود در محل خروجی حوضه های آبخیز رسوبات حاصل از فرسایش بر روی اراضی مرغوب کشاورزی و مراتع و منابع ذخیره آب مشاهده گردد. لذا در این پژوهش سعی بر آن است که با مقایسه روش سیستم شبکه عصبی مصنوعی(ann) و سیستم استنتاج عصبی- فازی تطبیقی(anfis) بتوان میزان فرسایش و رسوب را در حوضه نوران برآورد کرد. شبکه عصبی مصنوعی که به اختصار ann نامیده می شود یک ابزار ریاضی قدرتمند است که در بیشتر علوم مورد استفاده قرار می گیرد. این روش قدرت انعطاف و تصحیح بالایی در انطباق با داده های موجود دارد. شبکه عصبی مصنوعی با استفاده از مجموعه های ورودی و خروجی، روابط موجود بین آنها آموزش داده می شود و با استفاده از الگوریتم مناسب خروجی شبکه را نمایش می دهد. سیستم استنتاج عصبی- فازی تطبیقی(anfis) روشی مبتنی بر قواعد "شرط- نتیجه" است که با استفاده از مفهوم متغیرهای زبانی و روند تصمیم گیری فازی، فصای متغیرهای خروجی تصویر می کند. در این پژوهش فاکتورهای موثر در فرسایش در طی دوره آماری سال 1370 تا1388 ابتدا نرمالیزه گردید و در هر دو مدل مورد تحلیل و بررسی قرار گرفت. خروجی حاصل از شبکه عصبی مصنوعی با 6 نرون در لایه میانی86% است که بالاترین دقت شبیه سازی و هم بستگی شبکه در این پژوهش است توانایی سیستم شبکه عصبی مصنوعی در پیش بینی فرسایش در دوره زمانی 5 ساله برابر با 90/0است و توانایی سیستم استنتاج عصبی- فازی تطبیقی(anfis) در مدل سازی و پیش بینی با اطمینان 9/92% مورد ارزیابی قرار گرفت. با توجه به نتایج حاصل از مدل های مورد استفاده سیستم استنتاج عصبی- فازی تطبیقی(anfis) دارای توانایی بالایی نسبت به سیستم شبکه عصبی مصنوعی در برآورد فرسایش است.