ارزیابی مدل های شبکه عصبی مصنوعی و حداکثر آنتروپی در پهنه بندی حساسیت فرسایش آبکندی حوزه آبخیز سد گلستان
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 46
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMS-15-52_002
تاریخ نمایه سازی: 3 دی 1402
چکیده مقاله:
پهنه بندی حساسیت فرسایش آبکندی و تعیین فاکتورهای کنترل کننده آن بسیار مهم و حیاتی است. این مطالعه با هدف بررسی توزیع مکانی فرسایش آبکندی با استفاده از دو مدل شبکه عصبی مصنوعی و حداکثر آنتروپی و تعیین عوامل اثرگذار بر این نوع فرسایش در حوزه آبخیز سد گلستان انجام شد. لذا ۱۴ عامل، شامل عوامل توپوگرافی، سایر عوامل و تلفیق عوامل (۱۴ عامل) به عنوان فاکتورهای پیش بینی کننده حساسیت در نظر گرفته شدند. از مجموع ۱۰۴۲ موقعیت فرسایش آبکندی، به صورت تصادفی و به نسبت ۳۰ و ۷۰ درصد به ترتیب به عنوان داده های اعتبارسنجی و آزمون در نظر گرفته شدند. نتایج حاصل از آزمون Jackknife نشان داد که پارامترهای ارتفاع، بارندگی و عمق دره مهم ترین متغیرهای اثرگذار بر پیش بینی فرسایش آبکندی می باشند. نتایج مدل سازی نشان داد که بهترین دقت مدل بر اساس منحنی ROC در حالت آموزش (۹۲۳ /۰) و در مرحله اعتبارسنجی (۹۰۲ /۰)، مدل شبکه عصبی مصنوعی بوده است و این شرایط زمانی حاصل می شود که همه عوامل در مدل سازی دخالت داده شوند. بر اساس این مدل بیش از ۲۰ درصد حوزه (۴۵۶۳۳ هکتار) دارای حساسیت زیاد و خیلی زیاد به فرسایش آبکندی است.
کلیدواژه ها:
نویسندگان
علی شهبازی
Ph.D Graduated in Watershed Science and Engineering, Faculty of Natural Resources, University of Tehran.
فرزانه وکیلی تجره
M.Sc Graduated in Watershed Science and Engineering, Faculty of Natural Resources, University of Tehran.
احسان الوندی
Ph.D Graduated in Watershed Science and Engineering, Gorgan University of Agricultural Sciences and Natural Resources.
اصغر بیات
M.Sc Student in Watershed Science and Engineering, Faculty of Natural Resources, University of Tehran.
امید اسدی نلیوان
Ph.D Graduated in Watershed Science and Engineering, Gorgan University of Agricultural Sciences and Natural Resources
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 :