تحلیل مقایسه‌ای مدل‌های آماری و شبکه عصبی مصنوعی جهت برآورد حجم رسوبات نبکا (مطالعه موردی: نبکاهای درختچه گز در کویر ابراهیم‌آباد سیرجان)

Abstract

روابط موجود در درون سیستم در قالب مدل‌های متعددی جمع‌بندی می‌شوند که این مدل‌ها ابزاری مهم جهت تبیین پدیده‌هایی هستند که در سیستم‌ها دیده می‌شوند. ازاین‌رو مدل‌سازی به‌عنوان ابزاری جهت درک ارتباطات اکوژئومورفولوژیکی پیچیده که در سیر تکامل ناهمواری و پوشش گیاهی حاکم می‌باشد می‌تواند در مدیریت تغییرات محیطی یا انسانی در سیستم‌های مناطق خشک و نیمه‌خشک مؤثر واقع شود. چشم‌اندازهای نبکایی ازجمله سیستم‌های اکوژئومورفیک پیچیده در مناطق بیابانی هستند که در اثر تجمع رسوبات بادی در اطراف گیاهان شکل می‌گیرند. هدف این پژوهش مدل‌سازی حجم رسوبات نبکا با روش‌های آماری و شبکه عصبی است. بدین منظور خصوصیات مورفومتری نبکاها و مورفولوژی گیاهی شامل، ارتفاع نبکا، قطر قاعده نبکا، حجم نبکا، قطر تاج پوشش و ارتفاع گیاه به روش طولی اندازه‌گیری گردید. سپس از بین روش‌های ساده رگرسیونی روش توانی به دلیل برخورداری از R² بالاتر انتخاب گردید. همچنین شبکه مورداستفاده جهت مدل‌سازی از نوع شبکه‌های پیش‌خور با الگوریتم آموزشی پس انتشار خطا می‌باشد. تابع آموزشی استفاده‌شده در شبکه Trainlm و تابع انتقال از نوع log sig می‌باشد. جهت آموزش شبکه از 75% داده‌ها و جهت آزمون شبکه از 35% داده‌ها استفاده‌شده است. نتایج نشان می‌دهد که مدل شبکه عصبی مصنوعی با ضریب تبیین 926/0 و میزان خطای 16/1 نسبت به مدل رگرسیونی با ضریب تبیین 868/0 و میزان خطای 3/3 از برتری بیشتری جهت برآورد حجم رسوبات نبکاهای مطالعاتی برخوردار است.