دوره 4، شماره 6 - ( 3-1394 )                   جلد 4 شماره 6 صفحات 77-86 | برگشت به فهرست نسخه ها


XML English Abstract Print


چکیده:  

نفوذ آب به داخل خاک یکی از فرایند‌های است که امروزه بیشتر مد نظر محققان است و نقشی بسیار اساسی در چرخۀ آبی طبیعت ایفا می‌کند. به‌دلیل تغییرپذیری‌های زمانی و مکانی این ویژگی، اندازه‌گیری مستقیم آن نیاز به نمونه‌برداری‌های فراوان دارد. بنابراین، استفاده از روش غیرمستقیم به‌جای اندازه‌گیری مستقیم به‌منظور دستیابی به تخمینی قابل قبول بسیار مفید است. در این تحقیق، از پارامتر‌های دو مدل SCS و کوستیاکوف برای مدل‌سازی با استفاده از روش شبکۀ عصبی مصنوعی برای مدل‌سازی به‌کار برده شد. هدف از این تحقیق، ارائۀ مدلی برای شبیه‌سازی و پیش‌بینی میزان نفوذ با استفاده از شبکۀ عصبی مصنوعی بود. برای این منظور، تحت یک مطالعۀ موردی در حوزۀ آبخیز داوود رشید، استان لرستان، داده‌های بارش و روانآب به‌عنوان پارامتر‌های ورودی برای توسعۀ بهترین مدل شبکۀ عصبی مصنوعی استفاده شدند. سپس با استفاده از معیار‌های ارزیابی کارایی شامل درصد خطای نسبی(RE)، ریشه میانگین مربعات خطا(RMSE)، ضریب کارایی (EF)و ضریب تبیین (R2) بهترین مدل شبکۀ عصبی مصنوعی انتخاب شد. براساس  نتایج حاصل، ساختار بهینۀ مدل شبکۀ عصبی مصنوعی، دو مدل ANN-1 و ANN- با 4 و 9 نرون در لایۀ پنهان به‌ترتیب تعیین شدند. همچنین نتایج تحقیق حاضر نشان داد، مدلی که براساس پارامتر‌های مدل سازمان حفاظت خاک آمریکا طراحی شده بود (مدلANN_1) از دقت بالاتری برای پیش‌بینی نفوذ برخوردار است

نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: ۱۳۹۳/۱۱/۲۳ | پذیرش: ۱۳۹۴/۲/۱۱ | انتشار: ۱۳۹۴/۳/۳۰

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به نشریه مهندسی اکوسیستم های بیابان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Desert Ecosystems Engineering Journal

Designed & Developed by : Yektaweb