Журнал гостиничного и бизнес-менеджмента
Открытый доступ

Абстрактный

Прогнозирование экологических показателей при планировке земель с использованием методов искусственного интеллекта

Ишам Альзуби

Выравнивание земли является одним из самых значительных шагов в планировании и освоении почвы. Несмотря на то, что выравнивание земли с помощью машин требует значительной меры жизненной силы, оно обеспечивает разумный уклон поверхности с незначительным разложением грязи и вредом для растений и других живых существ в грязи. В любом случае, специалисты в последние годы пытались уменьшить использование нефтепродуктов и его пагубные симптомы, используя новые процедуры, например, искусственную нейронную сеть (ИНС), империалистический конкурентный алгоритм - ИНС (ICA-ANN), а также возврат и адаптивную нейро-нечеткую систему вывода (ANFIS) и анализ чувствительности, которые приведут к ощутимому улучшению почвы. В этом исследовании были исследованы воздействия различных свойств почвы, например, объема насыпи, коэффициента сжимаемости почвы , удельного веса, влажности, уклона, процента песка и индекса набухания почвы на использование жизненной силы. Исследование состояло из 90 примеров, собранных из 3 различных областей. Размер решетки был установлен 20 м на 20 м (20*20) от сельскохозяйственных угодий на территории Карадж в Иране. Целью этой работы было выбрать лучшую прямую модель адаптивной нейро-нечеткой системы вывода (ANFIS) и анализа чувствительности, чтобы предвидеть использование энергии для выравнивания земли. Как указано в последствиях анализа чувствительности, всего три границы; плотность, коэффициент сжимаемости почвы и индекс объема  насыпи оказали решающее влияние на использование топлива. Что касается последствий рецидива, всего три границы; уклон, объем выемки-насыпи (V) и индекс набухания почвы (SSI) оказали огромное влияние на использование энергии. Использование универсальной нейро-пушистой структуры вывода для прогнозирования энергии работы, энергии топлива, полной стоимости оборудования и всей энергии оборудования может быть эффективно проиллюстрировано. В корреляции с ANN все модели ICA-ANN имели более высокую точность в прогнозе за счет их более высокого значения R2 и более низкого значения RMSE.