توسعه و کاربرد دو الگوریتم فرا ابتکاری ترکیبی برای شناسایی مهم ترین مولفه های موثر بر شدت فرسایش بادی

فرسایش بادی به عنوان یک پدیده طبیعی موثر در تخریب سرزمین و بیابان زایی در مناطق خشک و نیمه خشک جهان، تحت تاثیر مولفه های گوناگونی قرار دارد، به گونه ای که درک ما از فرآیند فرسایش بادی اغلب به سبب تعدد و پیچیدگی عامل های موثر بر آن محدود می شود. پژوهش حاضر در راستای شناسایی مهم ترین مولفه های موثر بر شدت فرسایش بادی با استفاده از الگوریتم ترکیبی الگوریتم ژنتیک- شبکه عصبی مصنوعی (GA-ANN) و الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA-II) انجام شده است. به منظور دستیابی به یک مجموعه داده مناسب و قابل اطمینان، با طرح ریزی یک الگوی تصادفی نظارت شده، نمونه های خاک از 51 نقطه مشاهداتی در بخشی از دشت نرماشیر استان کرمان جمع آوری و ویژگی های مختلف خاک اندازه گیری شد. علاوه بر آن، در هر نقطه مورد مطالعه، شدت فرسایش بادی با استفاده از یک دستگاه تونل باد قابل حمل تعیین شد. بر اساس نتایج حاصل از اجرای الگوریتم GA-ANN، ویژگی های شن، رس، پوشش سنگریزه ای، پایداری خاکدانه ها، مقاومت سله سطحی، رطوبت و ماده آلی به عنوان موثرترین مولفه ها در ارتباط با تغییرات مکانی شدت فرسایش بادی تشخیص داده شدند. در مقابل، زیرمجموعه انتخاب شده توسط الگوریتم NSGA-II، ویژگی های شن، پوشش سنگریزه ای، پایداری خاکدانه ها، مقاومت سله سطحی و رطوبت را به عنوان موثرترین متغیر ها معرفی نمود. میزان خطای محاسبه شده برای الگوریتم GA-ANN برابر با 58/3 درصد بود؛ در حالی که میزان این خطا برای الگوریتم NSGA-II برابر با 70/1 درصد بود. با توجه به نتایج به دست آمده، هر دو الگوریتم، عملکرد قابل قبولی در راستای دستیابی به هدف پژوهش حاضر نشان دادند. بنابراین، الگوریتم های توسعه داده شده در این پژوهش می توانند در راستای شناسایی مهم ترین عوامل موثر بر شدت فرسایش بادی در سایر مناطق با چالش های مشابه، مورد استفاده قرار گیرند.