استفاده از سیستم استنتاج فازی عصبی تطبیقی ( - ANFIS ) و مدل های Rosetta برای برآورد میزان نگهداشت آب در نقطه اشباع خاک در عرصه های پخش سیلاب
محل انتشار: کنفرانس ملی مدیریت سیلاب
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,170
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IFMC01_079
تاریخ نمایه سازی: 23 مرداد 1392
چکیده مقاله:
احداث شبکههای پخشسیلاب یکی از روشهای غیرمستقیم تغذیه مصنوعی بوده و سبب بهبود زارعت، تغذیه آبخوانها و کاهش زیانهای مالی و جانی سیل می گردد. ورود سیلاب محتوی مواد معلق و ته نشینی این مواد در شبکههای پخشسیلاب موجب بروز تغییراتی در برخی خواص فیزیکی و هیدرولیکی خاک میشود. با توجه به اینکه اندازه گیری مستقیم ویژگی های هیدرولیکی پر هزینه و وقت گیر می باشد می توان از روشهای غیرمستقیم بهره برد. در روشهایغیرمستقیم، ویژگیهای هیدرولیکی را میتوان از سایر ویژگی های هیدرولیکی و درصورت نبودن اطلاعات لازم از دادههای موجود در مطالعات خاک برآورد کرد. توابع انتقالی از مهمترین توابعی هستند کاه ویژگای های بخش اشباع و غیراشباع را به صورت کمی بیان میکنند و این ویژگیها نیز به منظور برآورد و توریف حرکت آب و املاح در خاک موردنیاز میباشند. در این تحقیق از روش سیستم استنتاج فازی عصبی تطبیقی ) - ANFIS ( و مدل های Rosetta ، به منظور برآورد مقدار رتوبت در نقطه اشباع خاک ) s در عرصه های پخش سیلاب استفاده گردید و تاثیر عوامل و متغیرهای )بکار رفته شامل دررد شن، سیلت، رس، مقدار وزن مخصوص ظاهری، خلل و فرج متوسط ) 30-0.2میکرومتر( و کاربن آلی برای تخمین مقدار s مورد ارزیابی قرار گرفت. بررسی آماره ها نشان داد که تمامی مدل های برنامه θ Rosetta مقدار رتوبت اشباع را بیش برآورد نموده اند. مدل 1500θ33SSCBDθ بارآورد خوبی از مقادار sθ نسبت به دو مدل دیگر Rosetta نشان داد.
کلیدواژه ها:
پخش سیلاب نگهداشت آب در خاک سیستم استنتاج فازی عصبی تطبیقی ) - ANFIS
نویسندگان
فرشته حقیقی فشی
دانشجوی دکتری فیزیک و حفاظت خاک، دانشگاه تهران
فرود شریفی
عضو هیئت علمی پژوهشکده حفاظت خاک و آبخیزداری
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :