| تعداد نشریات | 284 |
| تعداد نشریات سازمان | 82 |
| تعداد شماره‌ها | 3,074 |
| تعداد مقالات | 34,301 |
| تعداد مشاهده مقاله | 47,141,275 |
| تعداد دریافت فایل اصل مقاله | 78,046,224 |
تعیین پتانسیل فرسایش خندقی با استفاده از شبکه عصبی مصنوعی، مطالعه موردی: حوزه آبخیز طرود | ||
| مهندسی و مدیریت آبخیز | ||
| مقاله 2، دوره 8، شماره 3، مهر 1395، صفحه 256-263 اصل مقاله (484.92 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2016.106809 | ||
| نویسنده | ||
| صمد شادفر* | ||
| دانشیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
| چکیده | ||
| یکی از انواع فرسایش آبی که باعث ایجاد فرسایش و رسوب در حوزه‌های آبخیز می‌شود و خسارت‌های زیادی به اراضی کشاورزی، مرتعی و تاسیسات زیر بنایی وارد می‌نماید، فرسایش خندقی می‌باشد. در این تحقیق بررسی فرسایش خندقی با هدف تعیین پتانسیل آن با استفاده از روش شبکه عصبی مصنوعی انجام شده است. جهت تعیین پتانسیل فرسایش خندقی از ساختار پرسپترون چندلایه و الگوریتم لونبرگ مارگوت با به‌کارگیری متغیرهای خاک، سنگ‌شناسی، کاربری اراضی، فاصله از گسل، شیب، جهت شیب، فاصله از جاده، فاصله از شبکه آبراهه‌ها و طبقات ارتفاعی استفاده شد. نتایج نشان داد، ساختار 1-13-9 با تابع فعال سیگموئید در لایه پنهان برای بررسی پتانسیل فرسایش خندقی مناسب‌تر است. نتایج پهنهبندی فرسایش خندقی نشان داد که 70.26 درصد از حوزه آبخیز در طبقه خیلی کم، 1.71 درصد در طبقه کم، 2.45 درصد در طبقه متوسط، 2.65 درصد در طبقه زیاد و 22.93 درصد در طبقه خیلی زیاد قرار گرفته است. از سوی دیگر نتایج نشان داد که شیب کمتر از 10 درصد، فاصله از آبراهه تا 50 متری، واحدهای سنگ‌شناسی EM و M2 و کاربری مرتع بیشترین تاثیر را در رخداد فرسایش خندقی دارند. | ||
| کلیدواژه‌ها | ||
| پرسپترون چند لایه؛ خندق؛ سیگموئید؛ لایه پنهان؛ لونبرگ مارگوت؛ مرتع | ||
| عنوان مقاله [English] | ||
| Identifying the gully erosion potential by using artificial neural network (ANN), case study: Troud Watershed | ||
| نویسندگان [English] | ||
| Samad Shadfar | ||
| Associate Professor, Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran | ||
| چکیده [English] | ||
| Gully erosion is a type of water erosion that causes significant sedimentation in watersheds and damages in agricultural lands, rangelands, and infrastructures. This study was conducted to determine the potential of gully erosion by artificial neural network. The Levenberg-Marquardt (LM) algorithm and Multi-Layer Perceptron were used employing soil, geology, land use, distance to fault, slope, aspect, distance from roads, distance from drainage, and elevation data as its variables. Results showed that the structure of 1-13-9 with sigmoid activation function in the hidden layer is more suitable for gully erosion potential assessment. Zonation of gully erosion revealed that the watershed area was divided into different classes of different extent, including 70.26% in very low, 1.71% in low, 2.45% in medium, 2.65% in high, and 22.93% in very high potential class. Furthermore, results indicated that slope less than 10%, 50 m distance from the stream, rangeland area, and lithological units of EM and M2 had the greatest impact on the occurrence of gully erosion. | ||
| کلیدواژه‌ها [English] | ||
| Gully, Hidden layer, Levenberg-Marquardt (LM), Multi Layer Perceptron, rangeland, Sigmoid | ||
|
آمار تعداد مشاهده مقاله: 1,139 تعداد دریافت فایل اصل مقاله: 1,430 |
||