TY - JOUR T1 - Assessment of Artificial Neural Network Models and Maximum Entropy in Zoning of Gully Erosion Sensitivity of Golestan Dam Basin TT - ارزیابی مدل‌های شبکه عصبی مصنوعی و حداکثر آنتروپی در پهنه‌بندی حساسیت فرسایش آبکندی حوزه آبخیز سد گلستان JF - ijwmse JO - ijwmse VL - 15 IS - 52 UR - http://jwmsei.ir/article-1-968-fa.html Y1 - 2021 SP - 12 EP - 23 KW - spatial distribution KW - artificial neural network KW - susceptibility KW - gully erosion KW - machine learning N2 - 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 14 عامل، شامل عوامل توپوگرافی، سایر عوامل و تلفیق عوامل (14 عامل) به عنوان فاکتورهای پیش‌بینی­ کننده حساسیت در نظر گرفته شدند. از مجموع 1042 موقعیت فرسایش آبکندی، به صورت تصادفی و به نسبت 30 و 70 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 (923 /0) و در مرحله اعتبارسنجی (902 /0)، 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 20 درصد حوزه (45633 هکتار) دارای حساسیت زیاد و خیلی زیاد به فرسایش آبکندی است. M3 ER -