[صفحه اصلی ]   [Archive] [ English ]  
:: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
اطلاعیه ها::
::
شناسنامه نشریه
صاحب امتیاز
انجمن آبخیزداری ایران
►مدیر مسئول
دکتر سیدحمیدرضا صادقی
►سردبیر
دکتر علی طالبی
►مدیر اجرایی
مهندس فرهاد بهبودی
►مدیر داخلی
دکتر عاطفه جعفرپور
►کارشناس
دکتر سودابه قره‌محمودلی
►دوره انتشار
فصل‌نامه
►شاپا الکترونیکی
2008-9554
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
سایت انجمن آبخیزداری ایران
سایت انجمن آبخیزداری ایران
پژوهشکده حفاظت خاک و آبخیزداری
..
مجله اکوهیدرولوژی

مجله اکوهیدرولوژی

..
:: دوره 10، شماره 35 - ( 10-1395 ) ::
جلد 10 شماره 35 صفحات 72-65 برگشت به فهرست نسخه ها
مدل‌سازی فرسایش پاشمانی تولید شده در باران‌ساز با استفاده از سه روش شبکه عصبی مصنوعی، نوروفازی و ماشین‌بردار پشتیبان
مهدی بروغنی*، سمیه سلطانی، حسن فتح آبادی، نفیسه قزل سفلو، سیما پورهاشمی
چکیده:   (8434 مشاهده)

فرسایش پاشمانی باران به عنوان اولین رویداد در فرسایش خاک، حرکت ذرات و کلوخه های خاک را سبب می‌شود و یک فرآیند مهم در فرسایش محسوب می‌شود .با توجه به پیچیدگی این فرآیند در طبیعت یکی از راه های شناخت و مدل سازی این فرآیند استفاده از شبیه ساز باران و مطالعه آن در آزمایشگاه می‌باشد. بدین منظور در این تحقیق اقدام به شبیه سازی مقدار مواد حمل شده در شدت های مختلف بارش و به ازای مقادیر مختلف پلی اکریل‌امید گردید. پس از اندازه‌گیری مقدار مواد حمل شده در دوام‌های و مقادیر مختلف پلی اکریلامید، با استفاده از روش های شبکه عصبی مصنوعی، ANFIS و SVMمدل سازی مواد حمل شده صورت گرفت. نتایج نشان داد در بین سه روش مورد استفاده بهترین مقادیر معیارهای ارزیابی مربوط به روش SVM و سپس ANFIS می‌باشد. در بین سه دوام مورد بررسی نیز بهترین نتایج مربوط به آزمایش با داوم 30 دقیقه بوده است. نتایج این تحقیق نشان داد در روش ANFIS با توجه به داده‌های در دسترس با افزایش تعداد توابع عضویت بیش برازشی اتفاق می افتد. جهت کاهش پیچیدگی مدل و احتمال وقوع بیش برازشی برخی از قوانین حذف گردید. نتایج نشان داده با حذف برخی قوانین عملکرد مدل بهبود یافت.

واژه‌های کلیدی: ANN، ANFIS، SVM، بار رسوب
متن کامل [PDF 716 kb]   (1802 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1394/4/10 | پذیرش: 1394/12/3 | انتشار: 1395/10/1
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

The Modeling of Splash Erosion Produced in Rain-Simulator Uusing Three Methods of Artificial Neural Network, Neuro-fuzzy, and Support Vector Machine. jwmseir 2017; 10 (35) :65-72
URL: http://jwmsei.ir/article-1-496-fa.html

بروغنی مهدی، سلطانی سمیه، فتح آبادی حسن، قزل سفلو نفیسه، پورهاشمی سیما. مدل‌سازی فرسایش پاشمانی تولید شده در باران‌ساز با استفاده از سه روش شبکه عصبی مصنوعی، نوروفازی و ماشین‌بردار پشتیبان. مجله علوم ومهندسی آبخیزداری ایران. 1395; 10 (35) :65-72

URL: http://jwmsei.ir/article-1-496-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 35 - ( 10-1395 ) برگشت به فهرست نسخه ها
مجله علوم ومهندسی آبخیزداری ایران Iranian Journal of Watershed Management Science and Engineering
به اطلاع کلیه نویسندگان ، محققین و داوران  محترم  می رساند:

با عنایت به تصمیم  هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.
Persian site map - English site map - Created in 0.06 seconds with 42 queries by YEKTAWEB 4645