fa مدل‌سازی فرسایش پاشمانی تولید شده در باران‌ساز با استفاده از سه روش شبکه عصبی مصنوعی، نوروفازی و ماشین‌بردار پشتیبان تخصصي Special پژوهشي Research <p>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.</p> <p>Splash rain erosion, as the first event in soil erosion, causes the movement of soil particles and lumps, and it is considered as an important process in erosion. Given the complexity of this process in nature, one way of identifying and modeling the process is to use a rain simulator and to study it in the laboratory. For this purpose, in the present study the simulation of the amount of material transported in the various intensities of rainfall and for different amounts of poly-acryl-amide was done. After measuring the amount of material transported in different durations and amounts of poly-acryl-amide, using artificial neural networks, ANFIS and SVM, the modeling of transported materials was done. The results showed that among the three methods used, the best values of evaluation criteria are related to SVM and ANFIS respectively. Among the three studied durations, also the best results are related to the experiment with duration of 30 minutes. The results showed that, based on available data, by increasing the number of membership functions, extra-fitting happens in the ANFIS method. To reduce the complexity of the model and the likelihood of extra-fitting, some of the rules was eliminated. The results showed that the performance of the model was improved by eliminating some rules.</p> ANN, ANFIS, SVM, بار رسوب ANN, ANFIS, SVM, sediment load 65 72 http://jwmsei.ir/browse.php?a_code=A-10-458-1&slc_lang=fa&sid=1 مهدی بروغنی mboroghani@yahoo.com 10031947532846006388 10031947532846006388 Yes تربیت مدرس سمیه سلطانی 10031947532846006389 10031947532846006389 No دانشگاه اردکان یزد حسن فتح آبادی 10031947532846006390 10031947532846006390 No دانشگاه گنبد نفیسه قزل سفلو 10031947532846006391 10031947532846006391 No دانشگاه اردکان یزد سیما پورهاشمی 10031947532846006392 10031947532846006392 No دانشگاه حکیم سبزواری