مقایسه دقت شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی در برآورد تولیدرواناب و رسوب از خاکهای مارنی پوشیده شده با منسوجات حفاظتی کنترل فرسایش

در این تحقیق جهت پیشبینی شدت رواناب و مقدار رسوب تولیدی از خاک های لخت وپوشیده شده با انواع منسوجات حفاظتی کنترل فرسایش که از نظر اندازه مشها (قطر روزنه ها ) متفاوت بودند، از مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی استفاده شد . آزمایشها بر روی خاکهای نمونهبرداری شده از تپههای مارنی بخش سرچم استان زنجان و با استفاده از تشتکی شیب پذیر و با استفاده از یک شبیه ساز باران انجام گرفت . تمام تیمارها در سه شدت بارندگی و نیز در چهار شیب نسبتاً تند مورد بررسی قرار گرفتند. کل داده ها به دو سری داده، شامل سری آموزش و سری آزمون تقسیم گردیدند و سپس نرمال سازی شدند . مقایسه مقادیر مجذور میانگین مربعات خطا مربوط به مدلهای شبکه عصبی و رگرسیون چند متغیره و دیاگرامهای پراکنش دادههای تست نشان داد ک ه مدل شبکه عصبی مصنوعی در مقایسه با روش رگرسیون خطی چند متغیره دارای بالاترین دقت در پیش بینی پارامترهای مؤثر در فرسایش خاک میباشد که احتمالا به علت وجود روابط غیر خطی میان متغیرهای وابسته و پیشبینی شونده است.

کلیدواژه ها:

منسوجات حفاظتی کنترل فرسایش ، شبکه عصبی مصنوعی ، رگرسیون چند متغیره خطی ، مارن