![](/images/graphics-bg.png)
Estimation of land soil erosion using neural network model
Other Title(s)
تخمين تآكل التربة السطحية باستخدام نموذج الشبكات العصبية الصناعية
Joint Authors
al-Kazimi, Ahmad Majid Hamad
al-Sad, Zaynab Abd al-Ilah
al-Badran, Fatimah Abd al-Imam Jayyad
Source
Basrah Journal for Engineering Sciences
Issue
Vol. 11, Issue 1 (30 Jun. 2011), pp.101-114, 14 p.
Publisher
University of Basrah College of Engineering
Publication Date
2011-06-30
Country of Publication
Iraq
No. of Pages
14
Main Subjects
Earth Sciences, Water and Environment
Information Technology and Computer Science
Topics
Abstract AR
يعتمد التآكل من سطح التربة على تنوع عدد من العوامل المختلفة مثل الميل و الخواص الفيزياوية للتربة مثل (بناءها و تركيبها و نفاذيتها......الخ) و المطر و السيح و الغطاء النباتي.
و على أية حال فمن غير الممكن الحصول على نموذج رياضي بسيط يستطيع أن يعطي قيم عددية دقيقة للتآكل السطحي من التربة و ذلك بفعل سلوك العوامل المسيطرة.
هذا البحث يقدم محاولة لاستخدام نموذج الشبكات العصبية لإيجاد التآكل من سطح التربة بوحدات كتلة لكل وحدة مساحة لكل وحدة زمن.
اشتق النموذج من تحليل معلومات جمعت من مجموعة من البحوث المتاحة و صيغت هذه المعلومات إلى نموذج للانحدار الخطي و نموذج الانحدار العكسي في تدريب الشبكات العصبية.
كلا النموذجين بني من أولا ربط خمس متغيرات مع تآكل التربة السطحية و ثانيا من ربط عشرة متغيرات مع تآكل التربة السطحية.
المعاملات للمتغيرات الغير معتمدة المختارة ذات مغزى عالي لكلا النموذجين.
في حالة ربط عشرة معاملات فان قيمة معامل الارتباط هي 0.978 و 0.976 لكلا النموذجين و التي هي أعلى منها لخمس معاملات.
كما استخدمت طريقة حساب مقدار الخطأ لتقييم دقة عمل هذا النموذج و كانت مساوية إلى 0.025 لنموذج المعاملات الخمسة و 0.064 لنموذج المعاملات العشرة.
كمية التآكل من التربة السطحية يتأثر بحساسية عالية جدا إلى معامل نسبة الرمل الناعم الموجود في التربة السطحية في حالة المعاملات العشرة.
Abstract EN
The land surface erosion is controlled by multifarious of different parameters, such as slope, soil physical properties (texture, structure, permeability, etc.), rainfall, runoff, and crop cover.
However, it is impossible to develop precise simplest mathematical model that can predict the values of land surface soil erosion due to the behavior of controlled parameters.
This paper presents the Neural Networks Model for assessing land surface soil erosion as amass per unit area per unit of time.
The model derives from the analysis data obtained from available literature and was formulated as linear regression model and back propagation algorithm neural model.
Both models were built by correlating firstly five watersheds variables with land surface erosion and secondly ten watershed variables with land surface erosion.
The coefficients for independent variables were highly significant for both models.
The case of correlating 10- watershed variables with land surface erosion gives R=0.978 and 0.976 for both models which is higher than that for 5- watershed variables.
The mean absolute relative error (MARE%) is another procedure that used in order to evaluate the accuracy of the model and The average error % is 0.025 for (5) variables and 0.0064 for (10) variables.
Both the supporting practices (P) and the slope length and slope steepness (LS) coefficients have a marked effect on the amount of land surface erosion in the case of 5- watershed variables.
The amount of land surface erosion show a high level of sensitivity to the content of fine sand% in soil (FS) watershed variables on The amount of land surface soil erosion
American Psychological Association (APA)
al-Kazimi, Ahmad Majid Hamad& al-Sad, Zaynab Abd al-Ilah& al-Badran, Fatimah Abd al-Imam Jayyad. 2011. Estimation of land soil erosion using neural network model. Basrah Journal for Engineering Sciences،Vol. 11, no. 1, pp.101-114.
https://search.emarefa.net/detail/BIM-289060
Modern Language Association (MLA)
al-Sad, Zaynab Abd al-Ilah…[et al.]. Estimation of land soil erosion using neural network model. Basrah Journal for Engineering Sciences Vol. 11, no. 1 (2011), pp.101-114.
https://search.emarefa.net/detail/BIM-289060
American Medical Association (AMA)
al-Kazimi, Ahmad Majid Hamad& al-Sad, Zaynab Abd al-Ilah& al-Badran, Fatimah Abd al-Imam Jayyad. Estimation of land soil erosion using neural network model. Basrah Journal for Engineering Sciences. 2011. Vol. 11, no. 1, pp.101-114.
https://search.emarefa.net/detail/BIM-289060
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 113-114
Record ID
BIM-289060