ارزیابی مدل های شبکه عصبی مصنوعی و حداکثر آنتروپی در پهنه بندی حساسیت فرسایش آبکندی حوزه آبخیز سد گلستان
عنوان مقاله: ارزیابی مدل های شبکه عصبی مصنوعی و حداکثر آنتروپی در پهنه بندی حساسیت فرسایش آبکندی حوزه آبخیز سد گلستان
شناسه ملی مقاله: JR_JWMS-15-52_002
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_JWMS-15-52_002
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: spatial distribution, artificial neural network, susceptibility, gully erosion, machine learning, توزیع مکانی, شبکه عصبی مصنوعی, حساسیت, فرسایش آبکندی, یادگیری ماشینی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1863172/