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

چکیده مقاله

روابط موجود در درون سیستم در قالب مدل های متعددی جمعبندی می شوند که این مدل ها ابزاری مهم جهت تبیین پدیدههایی هستند که در سیستم ها دیده میشوند. ازاین رو مدل سازی به عنوان ابزاری جهت درک ارتباطات اکوژئومورفولوژیکی پیچیده که در سیر تکامل ناهمواری و پوشش گیاهی حاکم می باشد می تواند در مدیریت تغییرات محیطی یا انسانی در سیستم های مناطق خشک و نیمه خشک مؤثر واقع شود . چشم اندازهای نبکایی ازجمله سیستم های اکوژئومورفیک پیچیده در مناطق بیابانی هستند که در اثر تجمع رسوبات بادی در اطراف گیاهان شکل میگیرند. هدف این پژوهش مدل سازی حجم رسوبات نبکا با روش های آماری و شبکه عصبی است. بدین منظور خصوصیات مورفومتری نبکاها و مورفولوژی گیاهی شامل، ارتفاع نبکا، قطر قاعده نبکا، حجم نبکا، قطر تاج پ وشش و ارتفاع گیاه به روش طولی اندازه گیری گردید. سپس از بین روش های ساده رگرسیونی روش توانی به دلیل برخورداری از بالاتر انتخاب گردید. همچنین شبکه مورداستفاده جهت مدل سازی از نوع شبکه های R² پیش خور با الگوریتم آموزشی پس انتشار خطا می باشد. تابع آموزشی استفاده شده در شبکه می باشد. جهت آموزش شبکه از 75 % داده ها و جهت log sig و تابع انتقال از نوع Trainlm آزمون شبکه از 35 % داده ها استفاده شده است. نتایج نشان میدهد که مدل شبکه عصبی 1 نسبت به مدل رگرسیونی با ضریب / 0 و میزان خطای 16 / مصنوعی با ضریب تبیین 926 3 از برتری بیشتری جهت برآورد حجم رسوبات نبکاهای / 0 و میزان خطای 3 / تبیین 868 مطالعاتی برخوردار است.