مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی

یکی از چالش‌های بزرگ در فرآیند برنامه‌ریزی و مدیریت اکوسیستم‌های طبیعی از جمله منابع آب‌و‌خاک، عدم درک پیچیدگی‌ها و پویایی این اکوسیستم‌ها در مدل‌های مرسوم می‌باشد اما بر اساس ایده اساسی تئوری فازی، می‌توان این محدودیت را وارد مدل نمود. در این پژوهش نیز به منظور مدل‌سازی رابطه عوامل "درصد سنگری...

Full description

Saved in:
Bibliographic Details
Main Authors: سیده مطهره حسینی, ابوالفضل مساعدی, علی گلکاریان, کمال الدین ناصری
Format: Article
Language:fas
Published: Gorgan University of Agricultural Sciences and Natural Resources 2016-01-01
Series:پژوهش‌های حفاظت آب و خاک
Subjects:
Online Access:https://jwsc.gau.ac.ir/article_2693_4d26b3aa7c299947a83582d4f9649336.pdf
Tags: Add Tag
No Tags, Be the first to tag this record!
_version_ 1850057282673442816
author سیده مطهره حسینی
ابوالفضل مساعدی
علی گلکاریان
کمال الدین ناصری
author_facet سیده مطهره حسینی
ابوالفضل مساعدی
علی گلکاریان
کمال الدین ناصری
author_sort سیده مطهره حسینی
collection DOAJ
description یکی از چالش‌های بزرگ در فرآیند برنامه‌ریزی و مدیریت اکوسیستم‌های طبیعی از جمله منابع آب‌و‌خاک، عدم درک پیچیدگی‌ها و پویایی این اکوسیستم‌ها در مدل‌های مرسوم می‌باشد اما بر اساس ایده اساسی تئوری فازی، می‌توان این محدودیت را وارد مدل نمود. در این پژوهش نیز به منظور مدل‌سازی رابطه عوامل "درصد سنگریزه سطح زمین"، "درصد سیلت" و "اثر مشترک طول شیب و درصد شیب" با عامل "سطح مقطع شیار در واحد طول"، مدل‌های فازی متعددی با استفاده از عملگرهای فازی، توابع عضویت متفاوت و روش‌های مختلف غیرفازی‌ساز ساخته شدند. در انتخاب مناسب‌ترین مدل علاوه بر میزان آماره ترکیبی خطای نقطه ایده‌آل (IPE)، به تعمیم‌پذیری مدل نیز توجه شد. در تمامی روش‌های دفازی‌سازی، به جز روش بزرگترین ماکزیمم، مدل‌های فازی با ترکیب توابع عضویت "گوسی و ذوزنقه"، "گوسی 2 و ذوزنقه" و تابع عضویت "گوسی 2" جزء مدل‌های منتخب از نظر کمترین میزان IPE شناخته شده‌اند. آنچه که در میان مدل‌های بهینه قابل توجه می‌باشد، حضور تابع گوسی به تنهایی یا در ترکیب با سایر توابع است. همچنین نتایج نشان دادند که در مدل‌سازی فرسایش شیاری، استفاده از توابع نرم‌تر نظیر توابع گوسی نتایج بهتری نسبت به توابع تیز و ساده نظیر ذوزنقه و مثلث به دنبال دارد. همچنین بر اساس نتایج به‌دست‌‌آمده، اگر تنها سادگی مدل مدنظر باشد ترکیب دو تابع ذوزنقه و مثلث از نتایج بهتری نسبت به استفاده از هر یک به تنهایی، برخوردار است. پیشنهاد می‌شود تحقیقات بیشتری در رابطه با به‌کارگیری تکنیک‌های فازی و هوش مصنوعی در راستای مدیریت و مدل‌سازی در منابع طبیعی به عمل آید.
format Article
id doaj-art-e2416573567344ea97455cbcde903cda
institution DOAJ
issn 2322-2069
2322-2794
language fas
publishDate 2016-01-01
publisher Gorgan University of Agricultural Sciences and Natural Resources
record_format Article
series پژوهش‌های حفاظت آب و خاک
spelling doaj-art-e2416573567344ea97455cbcde903cda2025-08-20T02:51:28ZfasGorgan University of Agricultural Sciences and Natural Resourcesپژوهش‌های حفاظت آب و خاک2322-20692322-27942016-01-012241031202693مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازیسیده مطهره حسینی0ابوالفضل مساعدی1علی گلکاریان2کمال الدین ناصری3دانش آموخته کارشناسی ارشد مرتعداری دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهداستاد دانشکده منابع طبیعی و محیط زیست، دانشگاه فردوسی مشهداستادیار دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهداستادیار دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهدیکی از چالش‌های بزرگ در فرآیند برنامه‌ریزی و مدیریت اکوسیستم‌های طبیعی از جمله منابع آب‌و‌خاک، عدم درک پیچیدگی‌ها و پویایی این اکوسیستم‌ها در مدل‌های مرسوم می‌باشد اما بر اساس ایده اساسی تئوری فازی، می‌توان این محدودیت را وارد مدل نمود. در این پژوهش نیز به منظور مدل‌سازی رابطه عوامل "درصد سنگریزه سطح زمین"، "درصد سیلت" و "اثر مشترک طول شیب و درصد شیب" با عامل "سطح مقطع شیار در واحد طول"، مدل‌های فازی متعددی با استفاده از عملگرهای فازی، توابع عضویت متفاوت و روش‌های مختلف غیرفازی‌ساز ساخته شدند. در انتخاب مناسب‌ترین مدل علاوه بر میزان آماره ترکیبی خطای نقطه ایده‌آل (IPE)، به تعمیم‌پذیری مدل نیز توجه شد. در تمامی روش‌های دفازی‌سازی، به جز روش بزرگترین ماکزیمم، مدل‌های فازی با ترکیب توابع عضویت "گوسی و ذوزنقه"، "گوسی 2 و ذوزنقه" و تابع عضویت "گوسی 2" جزء مدل‌های منتخب از نظر کمترین میزان IPE شناخته شده‌اند. آنچه که در میان مدل‌های بهینه قابل توجه می‌باشد، حضور تابع گوسی به تنهایی یا در ترکیب با سایر توابع است. همچنین نتایج نشان دادند که در مدل‌سازی فرسایش شیاری، استفاده از توابع نرم‌تر نظیر توابع گوسی نتایج بهتری نسبت به توابع تیز و ساده نظیر ذوزنقه و مثلث به دنبال دارد. همچنین بر اساس نتایج به‌دست‌‌آمده، اگر تنها سادگی مدل مدنظر باشد ترکیب دو تابع ذوزنقه و مثلث از نتایج بهتری نسبت به استفاده از هر یک به تنهایی، برخوردار است. پیشنهاد می‌شود تحقیقات بیشتری در رابطه با به‌کارگیری تکنیک‌های فازی و هوش مصنوعی در راستای مدیریت و مدل‌سازی در منابع طبیعی به عمل آید.https://jwsc.gau.ac.ir/article_2693_4d26b3aa7c299947a83582d4f9649336.pdfتابع عضویتمنطق فازیفرسایش شیاریمرتعاحمدآباد مشهد
spellingShingle سیده مطهره حسینی
ابوالفضل مساعدی
علی گلکاریان
کمال الدین ناصری
مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی
پژوهش‌های حفاظت آب و خاک
تابع عضویت
منطق فازی
فرسایش شیاری
مرتع
احمدآباد مشهد
title مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی
title_full مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی
title_fullStr مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی
title_full_unstemmed مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی
title_short مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی
title_sort مدل‌سازی برخی از عوامل موثر بر فرسایش شیاری با استفاده از منطق فازی
topic تابع عضویت
منطق فازی
فرسایش شیاری
مرتع
احمدآباد مشهد
url https://jwsc.gau.ac.ir/article_2693_4d26b3aa7c299947a83582d4f9649336.pdf
work_keys_str_mv AT sydhmṭhrhḥsyny mdlsạzybrkẖyạzʿwạmlmwtẖrbrfrsạysẖsẖyạrybạạstfạdhạzmnṭqfạzy
AT ạbwạlfḍlmsạʿdy mdlsạzybrkẖyạzʿwạmlmwtẖrbrfrsạysẖsẖyạrybạạstfạdhạzmnṭqfạzy
AT ʿlyglḵạryạn mdlsạzybrkẖyạzʿwạmlmwtẖrbrfrsạysẖsẖyạrybạạstfạdhạzmnṭqfạzy
AT ḵmạlạldynnạṣry mdlsạzybrkẖyạzʿwạmlmwtẖrbrfrsạysẖsẖyạrybạạstfạdhạzmnṭqfạzy