پارسا کارشناسی ارشد 1390
موضوع: کشاورزی، مهندسی و ماشین آلات
پدیدآور: محمدرضا شکاری
استاد راهنما: عباسعلی ولی 
استاد راهنما: سیدجواد ساداتی‌نژاد
 استاد مشاور: هدی قاسمیه

دانشگاه کاشان
چکیده

فرسایش بادی با وزش باد و حمل ذرات توسط آن شروع می‌شود. میزان مواد حمل شده توسط فرآیند باد به عوامل متعددی بستگی دارد. بنابراین یکی از پیچیدگی‌های سیستم‌های بادرفتی، بررسی رفتار رسوبات بادی در فرآیند فرسایش بادی می‌باشد. فناوری اندازه‌گیری حمل ذرات خاک به وسیله‌ی باد به دو دسته-ی مستقیم و غیرمستقیم تقسیم می‌شود. در فناوری غیرمستقیم، با یک تحلیل زمانی متفاوت، نقاطی از چند روز تا چندین دهه برای مشاهده‌ی فرسایش و رسوب‌گذاری در نظر گرفته می‌شوند و در فناوری اندازه‌گیری مستقیم، دبی ذرات انتقال یافته به وسیله‌ی باد در یک مکان ثابت توسط تله‌های رسوب‌گیر نمونه‌برداری می‌شوند. در این پژوهش، منطقه‌ی کرسیای داراب به عنوان منطقه‌ی مورد مطالعه به منظور مدل‌سازی رسوبات بادی با استفاده از شبکه‌های عصبی مصنوعی و مدل رگرسیونی در نظر گرفته شد. به منظور اجرای این تحقیق، ابتدا از روش اندازه‌گیری مستقیم و از تله‌ی‌ رسوب‌گیر MDCO جهت نمونه-برداری از رسوبات استفاده گردید. سپس نمونه‌برداری از رسوبات در سه تیپ گیاهی Halocnemum strobilaceum، Tamarix aphylla و Juncus gerardi به منظور تأثیر پوشش‌های گیاهی در به دام انداختن رسوبات انجام شد و بیشترین رسوبات در تیپ گیاهی Halocnemum strobilaceum نمونه‌برداری شد. آنگاه از شبکه‌های عصبی مصنوعی MLP و RBF و معادلات رگرسیونی پایه در مدل‌سازی و برازش رسوبات بادی استفاده گردید. به منظور مدل‌سازی رسوبات بادی در منطقه، پارامترهای اقلیمی (شامل متوسط سرعت باد بر حسب m/s، تبخیر بر حسب mm، رطوبت نسبی بر حسب %، دمای کمینه، دمای بیشینه و دمای متوسط بر حسب C° در روز) و همچنین درصد پوشش گیاهی تیپ به عنوان متغیرهای مستقل و میزان رسوب پیش‌بینی شده به عنوان متغیر وابسته‌ی مدل انتخاب گردید. در نهایت نتایج حاصل از مقایسه‌ی عملکرد مدلها نشان داد که شبکه‌ی عصبی MLP با ضریب تعیین 95/0 و ریشه‌ی میانگین مربعات خطای 0/020 نسبت به شبکه‌ی عصبی RBF با ضریب تعیین 0/88 و ریشه‌ی میانگین مربعات خطای 0/032 و نیز مدل رگرسیون پایه با ضریب تعیین 0/87 و ریشه‌ی میانگین مربعات خطای 0/032 از کارایی بهتر و دقت بالاتری برخوردار می باشد.