طبقه‌بندی ناهمواری‌های کارستی با استفاده از شاخص‌های ژئومورفومتریک و شبکۀ عصبی مصنوعی (مطالعۀ موردی: بخشی از حوضه‌های خرم‌آباد، بیرانشهر و الشتر)

Authors

  • حسن احمدی استاد دانشکدۀ منابع طبیعی، دانشگاه تهران.
  • علیرضا سپه وند دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکدۀ منابع طبیعی، دانشگاه تهران.
Abstract:

استفاده از شاخص­های ژئومورفومتری در تفکیک ناهمواری­های سطح زمین کاربرد گسترده­ای را طی دهۀ گذشته در علم ژئومورفولوژی داشته است. در این تحقیق از روش پرسپترون چند لایۀ شبکۀ عصبی مصنوعی برای طبقه‌بندی ناهمواری­های کارستی استفاده شد. ابتدا با استفاده از نقشۀ مدل رقومی ارتفاع، شاخص­های ژئومورفومتری تهیه شد و سپس این شاخص­ها به­عنوان نرون­های لایۀ ورودی در شبکۀ عصبی مصنوعی استفاده شد. علاوه بر این از نمودار­های جعبه­ای برای تحلیل ارتباط ناهمواری­های کارستی همچون دولین، تپه، دشت کارستی، درۀ کارستی و پرتگاه با شاخص­های ژئومورفومتری استفاده شد. نتایج طبقه­بندی نشان داد که ناهمواری‌های منطقۀ مورد مطالعه به­ترتیب شامل 34، 9/6، 07/1، 5/48 و 51/9 درصد دره، دشت، دولین، پرتگاه و تپه می­باشد. علاوه بر این، نتایج نشان داد که مدل بهینۀ شبکۀ عصبی مصنوعی برای طبقه­بندی ناهمواری‌ها، مدل 1-9-12 با ضریب یادگیری 1/0 و ضریب تبیین 18/87 درصد بود و دقت روش ابداعی برای طبقه­بندی ناهمواری­های کارستی 58/90 درصد می­باشد. همچنین تحلیل­ها نماینده این است که تغییرات شاخص‌های ژئومورفومتری در ناهمواری‌های تپه، پرتگاه و دره­کارستی بسیار نمایان بوده ولی در دشت و دولین کمی دارای همپوشانی هستند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

The effect of cyclosporine on asymmetric antibodies and serum transforming growth factor beta1 in abortion-prone model of mice CBA/J x DBA/2

كچ ي هد فده و هقباس : ي ک ي طقس زورب للع زا اه ي ،ررکم ا لماوع تلاخد ي ژولونوم ي ک ا رد ي ن قم طققس عون ي وراد دقشاب ي س ي روپسولک ي ،ن ح لدم رد طقس شهاک بجوم ي ناو ي CBA/j×DBA/2 م ي تنآ ددرگ ي داب ي اه ي ان و راققتم TGF-β لماوع زا عت مهم يي ن گلماح تشونرس هدننک ي سررب روظنم هب رضاح هعلاطم تسا ي ات ث ي ر اس ي روپسولک ي ن م رب ي از ا ي ن تنآ عون ي داب ي س و اه ي اکوت ي ن TGF...

full text

The Study of Stressful Factors in Clinical Education for Nursing Students Studying in Nursing and Midwifery College in Khorramabad

کچ هدي پ شي مز هني فده و : شزومآ لاب يني شخب ساسا ي شزومآ مهم و راتسرپ ي تسا . و هنوگ ره دوج لکشم ي شزومآ رد لاب يني ، آراک يي هدزاب و ا ني شزومآ زا شخب راچد ار لکشم م ي دنک . فده اب رضاح شهوژپ سررب ي لماوع سرتسا از ي شزومآ لاب يني رد وجشناد ناي راتسرپ ي هدکشناد راتسرپ ي و يامام ي ماـجنا داـبآ مرـخ تسا هتفرگ . شور و داوم راک : رضاح هعلاطم کي هعلاطم صوت يفي عطقم ي تسا . د...

full text

پتانسیل‌یابی مناطق توسعۀ شهری با استفاده از شبکۀ عصبی مصنوعی (مطالعۀ موردی: شهر کرمانشاه)

رشد سریع شهرنشینی و توسعة شهری به‌ویژه در کشورهای درحال‌توسعه، به درک الگو و فرایندهای پیچیدة رشد شهری با روش علمی و کارآمد نیاز دارد. لازمة ایجاد رشد شهری پایدار و برنامه‌ریزی توسعة شهری، درک الگوهای صحیح رشد شهری است. کرمانشاه نهمین شهر پرجمعیت کشور و یکی از چهار شهر نخست ایران از نظر حادبودن معضل حاشیه‌نشینی است. هدف این پژوهش، بررسی پتانسیل توسعة شهری در این شهر است. بدین­منظور،‌ ‌شبکة عصبی...

full text

پیش‌بینی بارش ماهانه با استفاده از الگوهای پیوند از دور و شبکۀ عصبی مصنوعی (مطالعۀ موردی: حوزۀ فلات مرکزی ایران)

تحقیق حاضر با هدف بررسی تأثیر شاخص‌های پیوند از دور بر رخداد بارش ماهانه و پیش‌بینی بارندگی در حوزۀ آبخیز فلات مرکزی ایران با استفاده از مدل شبکة عصبی مصنوعی چندگامی مستقیم (DMSNN) با پارامترهای مذکور است. براین مبنا مقادیر بارش طی دورة مشترک آماری 1981-2014 در 20 ایستگاه سینوپتیک منطقۀ مورد مطالعه انتخاب شد، به‌طوری که دورۀ آماری 1981- 2004 برای توسعة مدل و سال‌های 2004-2014 جهت صحت‌سنجی مدل ب...

full text

The study of relationship between the tension-making factors and mental health of Semnan nurses

هديكچ فده و هقباس : راتسرپ هفرح ي م رد سرتسارپ لغاشم ردص رد ي ب لغاشم نا تشاده ي نامرد و ي لـماوع و دراد رارـق سرتسا از ي لغش ي ددعتم ي ناور تملاس ي لغاش ي ا ن ي م رارق رطخ ضرعم رد ار هفرح ن ي دهد . فدـه اـب رـضاح شهوژپ سررب ي ت أ ث ي نت لماوع ر ي گد ي ناور تملاس رب از ي نانمس رهش ناراتسرپ دش ارجا . شور و داوم اه : رامآ هعماج ي زا دوب ترابع لك ي ر ناراتسرپ ه مس ي ب ي ناتسرام اه ي رهش هك ...

full text

پیش‌بینی بارش ماهانه با استفاده از شاخص‏ های اقلیمی پیوند از دور با استفاده از شبکۀ عصبی مصنوعی و مدل‏ آماری (‌مطالعۀ موردی: ایستگاه‌های هم‌جوار ششده و قره‌بلاغ)

بسیاری از متغیرهای هواشناسی از جمله بارش به‌شدت به گردش‏های جوّی‌ـ اقیانوسی بزرگ‌مقیاس وابسته‌اند. در پژوهش حاضر تأثیر سیگنال‏های اقلیمی بر میانگین بارش ماهانۀ ایستگاه‏های مجاور مناطق ششده و قره‌بلاغ طی دورۀ آماری 25 ساله از 1364 تا 1388 بررسی شده است. شبیه‌سازی بارش با استفاده از مدل‏های آماری و شبکۀ عصبی انجام شده است. همبستگی سیگنال‏های اقلیمی با بارش در حالت‏های مختلف بدون تأخیر و با تأخیرها...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 72  issue 1

pages  107- 122

publication date 2019-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023