标志”src=

应用和环境土壤学
PDF
应用和环境土壤学/2021年/文章

研究文章|开放获取

体积 2021年 |文章的ID 2630123 | https://doi.org/10.1155/2021/2630123

肯尼迪c . Onyelowe艾哈迈德·m·Ebid Nwobia光, ”进化的水土流失预测观察到在侵蚀流域暴雨参数用遗传规划”,应用和环境土壤学, 卷。2021年, 文章的ID2630123, 15 页面, 2021年。 https://doi.org/10.1155/2021/2630123

进化的水土流失预测观察到在侵蚀流域暴雨参数用遗传规划

肯尼迪c Onyelowe,1 艾哈迈德·m·Ebid,2 和 光Nwobia3

1土木和机械工程学系坎帕拉乌干达坎帕拉国际大学

2结构工程系,工程技术学院,未来的大学,新埃及开罗

3大学土木工程学系,迈克尔Okpara农业、Umudike,尼日利亚

学术编辑器:Durgesh贾斯瓦尔
收到了 2021年5月11日
修改后的 04年9月2021年
接受 06年9月2021年
发表 2021年9月21日

文摘

各种环境问题,如土壤退化和地形的演进是由自然过程称为土壤侵蚀。分散聚合的土壤表面通过雨滴及其相关参数的影响,这被认为是在这个礼物作为土壤流失的函数。为了监控环境恶化由于雨滴及其相关因素的影响,这项工作已经雇佣了遗传编程(GP)的学习能力部署降雨量预测土壤流失,动能,降雨强度、沟头,土壤超然,分解土壤超然,径流,径流速度预测数据库收集了三年时间。三个进化试验被处决,和三个模型提出了考虑预测的不同排列。这三个模型的性能评价表明,试验3参数最高的排列,即。,that included the influence of all the studied parameters showed the least error of 0.1 and the maximum coefficient of determination (R20.97),这样是最有效的,健壮的,适用的GP模型来预测土壤流失的值。

1。介绍

1.1。土壤流失和影响暴雨参数

作为地球的一部分,以最大的有机质含量,土壤耕作和其他的活动中起着重要作用。水土流失,自然发生的过程中表层土的行为正在被风或雨,是一个严重的环境危害,降低土壤肥力以及农业土地的生产力(1- - - - - -5]。坦率地说,一个重大比例的全球土地永久被风失去了水通过径流和侵蚀。事实上,有一种强烈的解决之间的互联性降水、植被、和侵蚀6]。土壤流失也被报道通过空气和水污染导致环境恶化,营养损失,以及土壤有机质的损失或生物1,7]。在构成土壤形成因素如地形、原始材料,生物,和时间,也确定土壤流失的速度发生,气候或水文气象因素如暴雨参数起着最关键的作用[8]。一些作者所描述的土壤温度和土壤流失的功能也积极影响水文气象变量因素如降雨强度、降雨参数动能,径流,和更多9,10]。例如,韦金内尔(10)早些时候曾报道,降雨强度之间的差异和平均入渗率可以用来估计降雨能量的使用效率的变化导致表面侵蚀。在调查的连接数量和暴雨的动能与土壤的影响,韦金内尔(10)开发了一个方程式,模拟降雨动能降雨强度的函数,许多研究人员一直认为土壤流失行为的关键因素(11]。

此外,许多地方面临另一个重大环境威胁是不断增加沟头或高度随着越来越多的解剖的景观不断引发的水土流失。由于其复杂性和临界加剧了水土流失,沟头进步一直模仿使用各种现场研究,航空摄影、GIS分析和多元回归,结果都证实了沟纵向发展的时空变化,揭示了径流和瀑布过程对土壤侵蚀的影响(12,13]。当粗和另一种常见的发生在环境介质沙物质被还原成规模较大或较小粒径(14]。在这种现象的粒子分离因素或unfactored形式,高水化能量从雨滴引入粒子的碰撞,紧随其后的是怜的飞溅的水滴土壤,然后怜土壤的坡面流的解体(14,15]。所有这些参数影响水土流失没有完美的测量,因此,使用预测或预测技术已经被证明是有用的。

目前,出现了各种造型技术等领域的研究中,空中摄影、GIS分析,遥感,和多重回归,这有助于估计土壤流失在各种气候和土地使用条件下(12,16- - - - - -19]。也大规模死亡强调侵蚀研究住宅严格基于经验模型,如通用土壤流失方程,由于各种进化计算技术的出现,否则,所谓的机器学习方法,方便简单,准确,可靠的计算和预测。机器学习方法不仅预测输出更精确的形式但也推断的能力决定边界之间的输入数据空间分成两个独特的区域水土流失和nonerosion段,从而,使水土流失预测价值(20.]。随着系统模仿人脑,机器学习技术已经应用于各种工程领域甚至超越和有用的在预测,进行聚类,提取关联规则或决策从一个给定的数据集21- - - - - -23]。

1.2。遗传编程(GP)和潜在的水土流失预测

遗传编程(GP)是一种数据驱动的演化计算方法,探讨了程序空间而不是搜索过程中设置如图1,这是一个独特的优点它声称在遗传算法(24,25]。全科医生执行这个探索有效地通过选择相应的数据集,拟合,并通过一些遗传算子引入遗传变异26,27]。医生有可能改变他们的大小,形状,和组合,就像一个活的有机体,学习和报告结果由输入数据集(21,28,29日]。


图1
遗传编程简化的活动流输入、处理和输出。

作为一个模型,用于处理复杂的自适应系统通过树状结构(图建模机制2)、基因表达式编程是一种新的、流行的进化技术生产造型方程除了其鲁棒预测配置(31日- - - - - -33]。医生被应用到许多研究在环境、水资源、结构工程、岩土工程和超越26,27,31日,33- - - - - -35]。


图2
GP与不同的字符串编码的典型树结构允许的适应与进化(30.]。

早些时候推断,广泛必须小心,以确保各种约束影响土壤侵蚀预测时都考虑每天的时间和空间变化的土壤流失所引发的有关暴雨参数不同土地利用和气候因素。提供了惊人的医生技术的优势作为一个数据驱动的工具,不仅成功地研究和分析感兴趣的所有参数但还生成预测方程和模型基于教训的输入数据集。使用GP在预测土壤流失的暴雨参数承诺帮助开发新的算法或评估现有土壤可持续调整参数对连续土壤侵蚀行为(36,37]。本研究旨在利用医生的方法从各种暴雨参数在预测土壤流失,尤其是降雨量(毫米),降雨强度(毫米/小时),动能(J / m2/毫米),沟头(m), unfactored和分解土壤脱落(g / m2(m),径流率3/ s)、径流(厘米3×103)和土壤流失(公斤/米2),所有的时空变异性为每天1993,1995和1996。

2。方法

2.1。数据收集和制表

这项工作中采用的数据收集方法是文献整理实际降雨量数据从先前的研究跨越一段三年的一个分水岭测量约35米2如表所示1(38)和图形数据3- - - - - -11。图表代表降雨量的观测和估计的值,动能,降雨强度、沟头,土壤超然,分解土壤超然,径流,径流速度,和土壤损失,分别整理下的流域侵蚀研究在三年之内。
日期 降雨量(P)(毫米) 动能(EK)(J / m2/毫米) 降雨强度(我)(毫米/小时) 沟头推进(E)(米) 土壤分离(D)(g / m2) 考虑土壤分离(Df)(g / m2) 径流(cm3)×103(R) 径流率(Rr)(米3/秒) 土壤流失(l)(公斤/米2)
10/7/93 13.5 30.36 25.23 0.0453382 9.46 9.56 32.75 0.0019 0.036
19/7/93 15.6 32.49 61.2 0.0466684 17.16 17.35 33 0.0019 0.013
20/7/93 32.1 37.66 43.6 0.0539136 18.27 18.47 39.5 0.0023 0.056
27/7/93 8.5 23.71 7.11 0.0413315 5.90 5.96 16.5 0.0009 0.048
3/8/93 22.3 35.39 26.38 0.0501255 13.64 13.79 43.5 0.0026 0.057
8/8/93 17.7 33.32 34.9 0.0478622 11.29 11.41 41.85 0.0025 0.045
12/8/93 12.3 29.19 48.4 0.0445019 19.22 19.43 31.95 0.0018 0.05
18/8/93 37.7 38.81 43.6 0.0556757 13.15 13.29 48.5 0.0028 0.104
21/8/93 19.7 34.33 48.26 0.0488980 18.56 18.76 42.15 0.0025 0.015
1/9/93 14.9 31.51 49.6 0.0462418 16.82 17.00 42.2 0.0025 0.029
6/9/93 12.7 29.60 49.6 0.0447877 5.91 5.97 32.95 0.0019 0.05
8/9/93 1。9 −11.91 1.91 0.0306301 3.11 3.14 - - - - - - - - - - - - - - - - - -
10/9/93 16.8 32.60 66.8 0.0473652 6.64 6.71 32.25 0.0019 0.0085
17/9/93 6.9 19.98 6.7 0.0396431 7.92 8.01 21.2 0.0012 0.02
20/9/93 8.4 23.51 13.89 0.0412338 10.25 10.36 31.6 0.0019 0.042
23/9/93 2.3 −6.52 1。6 0.0318231 5.61 5.67 21.4 0.0013 0.01
5/7/95 13.2 30.0 9.0 0.0451349 8.22 8.38 53 0.0037 0.056
17/7/95 30.5 37.9 30.48 0.0533651 15.93 16.10 64.2 0.0045 0.05
19/7/95 1。7 −14.81 2.54 0.0299562 7.91 8.06 1 0.0007 0.0022
20/7/95 16.9 33.14 30.5 0.0474215 9.67 9.85 51 0.0036 0.001
23/7/95 6.8 19.94 16.9 0.0395275 16.9 17.22 15.5 0.0011 0.11
27/7/95 14.1 32.0 61.0 0.0457342 5.4 5.5 53 0.0037 0.05
30/7/95 13.0 30.17 55.9 0.0449973 7.3 7.44 55 0.0039 0.013
3/8/95 24.4 36.39 45.7 0.0510359 20.3 20.69 58 0.0041 0.06
14/8/95 16.6 32.96 53.4 0.0472519 10.51 10.71 53 0.0037 0.07
10/8/95 15.7 32.38 16.5 0.0467280 12.52 12.76 61年 0.0043 0.04
18/8/95 22.0 35.57 30.5 0.0499899 13.93 14.19 63年 0.0044 0.025
24/8/95 32.6 38.32 30.5 0.0540806 13.9 14.16 65年 0.0046 0.096
26/8/95 13.1 30.28 9.3 0.0449973 18.6 18.95 51 0.0036 0.052
28/8/95 19.5 34.52 12.2 0.0487983 8.6 8.76 55 0.0039 0.015
7/9/95 2.6 −2.95 1.44 0.0326131 15.9 16.20 - - - - - - - - - - - - - - - - - -
12/9/95 3.3 3.43 1。4 0.0342058 20.92 21.32 22 0.0015 0.0002
15/9/95 5.1 14.0 33.0 0.0373174 4.61 4.70 14 0.00098 0.027
16/9/95 18.8 34.20 58.40 0.0484428 9.1 9.30 55 0.0039 0.052
23/9/95 8.8 24.56 1.99 0.0416192 6.22 6.40 35 0.0025 0.045
24/9/95 6.6 19.37 30.5 0.0392922 6.93 7.06 42 0.0029 0.03
28/9/95 15.2 32.01 33.02 0.0464266 5.64 5.75 43 0.003 0.02
5/10/95 13.2 30.35 60.96 0.0451349 7.02 7.15 35 0.0025 0.04
8/10/95 14.7 31.64 61.00 0.0461170 3.67 3.74 38 0.0027 0.028
4/7/96 46.0 39.74 23.0 0.0579361 13.05 13.3 68.5 0.0022 0.05
7/7/96 15.0 31.58 18.0 0.0463037 5.32 5.42 43.0 0.003 0.04
14/7/96 16.0 32.29 24.0 0.0469053 7.61 7.76 29.0 0.002 0.02
16/7/96 12.0 28.86 16.0 0.0442827 32.14 32.75 62.5 0.0044 0.71
19/7/96 15.0 31.58 45.0 0.0463037 3.49 3.56 20.5 0.0014 0.023
20/7/96 40.0 39.11 48.98 0.0563391 11.08 11.29 52.0 0.0036 0.17
24/7/96 40.0 39.11 40.0 0.0563391 9.38 9.56 60.0 0.0042 0.073
25/7/96 35.0 38.42 48.84 0.0548544 8.51 8.67 60.0 0.0042 0.092
1/8/96 4.0 8.09 6.86 0.0355475 3.78 3.85 - - - - - - - - - - - - - - - - - -
3/8/96 20.0 34.46 40.0 0.0490460 10.78 10.99 69.5 0.0049 0.1
9/8/96 23.0 35.63 24.64 0.0504363 19.16 19.53 39.5 0.0028 0.04
14/8/96 14.0 30.79 10.5 0.0456692 2.20 2.24 27.0 0.0019 0.02
16/8/96 43.0 39.45 41.62 0.0571599 8.79 8.96 64.0 0.0045 0.043
17/8/96 39.0 38.98 45.0 0.0560545 9.72 9.91 40.0 0.0028 0.054
20/8/96 16.0 32.29 16.27 0.0469053 8.22 8.38 59.5 0.0042 0.065
24/8/96 15.0 31.58 19.56 0.0463037 9.78 9.97 46.5 0.0033 0.056
26/8/96 7.0 20.25 6.46 0.0397573 1.96 2.00 12.5 0.0088 - - - - - -
30/8/96 8.0 22.69 13.71 0.0408334 4.42 4.50 60.0 0.0042 0.01
31/8/96 10.0 26.29 8.57 0.0426970 3.13 3.19 3.20 0.0022 0.02
表1
暴雨参数的测量和计算一天1993,1995和1996赛季在裸露的土壤(38]。

图3
降雨量与所选日期的观察。

图4
平均雨滴动能与所选日期的观察。

图5
观察降雨强度与所选日期的观察。

图6
估计沟头推进降雨观测与选定的日期。

图7
土壤分离与所选日期的观察。

图8
分解土壤分离与所选日期的观察。

图9
观察径流与所选日期的观察。

图10
观察径流率与所选日期的观察。

图11
观测到的土壤流失与所选日期的观察。

此外,沟头推进参数估计采用美国水土保持服务简单的参数化模型方程估计平均为流域侵蚀沟头推进提出了下列方程(39- - - - - -41]: 在哪里一个米以上流域沟头2(3.5×10 = 35米2),P= 24小时降雨量毫米。文献数据排序的值和参数估计的侵蚀参数列表和部署到预测运动使用基因表达式编程学习技术。

模型功能的关系提出了以下方程:

从方程(2),它可以恰当地推断土壤损失(l)是依赖或目标变量,而降雨量,动能,降雨强度、沟头,土壤超然,分解土壤超然,径流,径流率是独立或预测变量,函数的函数l。

四十八(48)记录收集进行这项研究。每条记录包含以下数据:(我)降雨量(P)(毫米)(2)动能(EK)(J / m2/毫米)(3)降雨强度(我)(毫米/小时)(iv)沟头推进(E)(米)(v)土壤分离(D)(g / m2)(vi)考虑土壤分离(Df)(g / m2)(七)径流(升)(R)(八)径流率(Rr)(米3/秒)(第九)土壤流失(l)(公斤/米2)

2.2。数据库的统计分析

收集到的记录被分成两组。第一个是一个训练集,其中包含(32)记录,而第二个是验证集,包含(16)记录。表中给出了完整的数据集2。总结了利用数据库的统计分析表3显示显著的变化在土壤属性。它可以观察到,土壤流失程度最高的偏差和方差相比其他观测参数与沟头提前显示最小程度的偏差和方差。然而,参数显示值的变化和方差小于1。
降雨量(P) 动能(EK) 降雨强度(我) 沟头推进(E) 土壤分离(D) 考虑土壤分离(Df) 径流(R) 径流率(Rr) 土壤流失(l)
毫米 J / m2/毫米 毫米/小时 米 g / m2 g / m2 升 米3/秒 公斤/米2
训练集
13.5 30.4 25.2 45.3 9.5 9.6 32.8 6.8 36.0
15.6 32.5 61.2 46.7 17.2 17.4 33.0 6.8 13.0
32.1 37.7 43.6 53.9 18.3 18.5 39.5 8.3 56.0
8.5 23.7 7.1 41.3 5.9 6.0 16.5 3.2 48.0
22.3 35.4 26.4 50.1 13.6 13.8 43.5 9.4 57.0
17.7 33.3 34.9 47.9 11.3 11.4 41.9 9.0 45.0
12.3 29.2 48.4 44.5 19.2 19.4 32.0 6.5 50.0
37.7 38.8 43.6 55.7 13.2 13.3 48.5 10.1 104.0
19.7 34.3 48.3 48.9 18.6 18.8 42.2 9.0 15.0
14.9 31.5 49.6 46.3 16.8 17.0 42.2 9.0 29.0
12.7 29.6 49.6 44.8 5.9 6.0 33.0 6.8 50.0
16.8 32.6 66.8 47.4 6.6 6.7 32.3 6.8 8.5
6.9 20.0 6.7 39.7 7.9 8.0 21.2 4.3 20.0
8.4 23.5 13.9 41.2 10.3 10.4 31.6 6.8 42.0
13.2 30.0 9.0 45.1 8.2 8.4 53.0 13.3 56.0
30.5 37.9 30.5 53.4 15.9 16.1 64.2 16.2 50.0
6.8 19.9 16.9 39.5 16.9 17.2 15.5 4.0 110.0
14.1 32.0 61.0 45.7 5.4 5.5 53.0 13.3 50.0
13.0 30.2 55.9 45.0 7.3 7.4 55.0 14.0 13.0
24.4 36.4 45.7 51.0 20.3 20.7 58.0 14.8 60.0
16.6 33.0 53.4 47.3 10.5 10.7 53.0 13.3 70.0
15.7 32.4 16.5 46.7 12.5 12.8 61.0 15.5 40.0
22.0 35.6 30.5 50.0 13.9 14.2 63.0 15.8 25.0
32.6 38.3 30.5 54.1 13.9 14.2 65.0 16.6 96.0
13.1 30.3 9.3 45.0 18.6 19.0 51.0 13.0 52.0
19.5 34.5 12.2 48.8 8.6 8.8 55.0 14.0 15.0
5.1 14.0 33.0 37.3 4.6 4.7 14.0 3.5 27.0
18.8 34.2 58.4 48.5 9.1 9.3 55.0 14.0 52.0
8.8 24.6 2.0 41.6 6.2 6.4 35.0 9.0 45.0
6.6 19.4 30.5 39.3 6.9 7.1 42.0 10.4 30.0
15.2 32.0 33.0 46.4 5.6 5.8 43.0 10.8 20.0
13.2 30.4 61.0 45.1 7.0 7.2 35.0 9.0 40.0
验证设置
14.7 31.6 61.0 46.1 3.7 3.7 38.0 9.7 28.0
46.0 39.7 23.0 57.9 13.1 13.3 68.5 7.9 50.0
15.0 31.6 18.0 46.3 5.3 5.4 43.0 10.8 40.0
16.0 32.3 24.0 46.9 7.6 7.8 29.0 7.2 20.0
15.0 31.6 45.0 46.3 3.5 3.6 20.5 5.0 23.0
40.0 39.1 40.0 56.3 9.4 9.6 60.0 15.1 73.0
35.0 38.4 48.8 54.9 8.5 8.7 60.0 15.1 92.0
20.0 34.5 40.0 49.1 10.8 11.0 69.5 17.6 100.0
23.0 35.6 24.6 50.4 19.2 19.5 39.5 10.1 40.0
14.0 30.8 10.5 45.7 2.2 2.2 27.0 6.8 20.0
43.0 39.5 41.6 57.2 8.8 9.0 64.0 16.2 43.0
39.0 39.0 45.0 56.1 9.7 9.9 40.0 10.1 54.0
16.0 32.3 16.3 46.9 8.2 8.4 59.5 15.1 65.0
15.0 31.6 19.6 46.3 9.8 10.0 46.5 11.9 56.0
8.0 22.7 13.7 40.8 4.4 4.5 60.0 15.1 10.0
10.0 26.3 8.6 42.7 3.1 3.2 3.2 7.9 20.0
表2
收集的数据集。
降雨量(P) 动能(EK) 降雨强度(我) 沟头推进(E) 土壤分离(D) 考虑土壤分离(Df) 径流(R) 径流率(Rr) 土壤流失(l)
毫米 J / m2/毫米 毫米/小时 米 g / m2 g / m2 升 米3/秒 公斤/米2
训练集
Max。 5.1 14.0 2.0 37.3 4.6 4.7 14.0 3.2 8.5
分钟。 37.7 38.8 66.8 55.7 20.3 20.7 65.0 16.6 110.0
Avg。 16.5 30.5 34.8 46.4 11.4 11.6 42.5 10.1 44.5
SD 7.9 6.0 18.8 4.5 4.8 4.9 14.0 3.9 24.7
Var。 0.5 0.2 0.5 0.1 0.4 0.4 0.3 0.4 0.6
验证设置
Max。 8.0 22.7 8.6 40.8 2.2 2.2 3.2 5.0 10.0
分钟。 46.0 39.7 61.0 57.9 19.2 19.5 69.5 17.6 100.0
Avg。 23.1 33.5 30.0 49.4 8.0 8.1 45.5 11.4 45.9
SD 12.4 4.7 15.3 5.2 4.2 4.3 18.4 3.8 25.7
Var。 0.5 0.1 0.5 0.1 0.5 0.5 0.4 0.3 0.6
表3
统计分析收集到的数据库。

3所示。结果与讨论

3.1。研究项目

三个试验进行了相关的土壤流失价值(l)到相应的实地测量。每个试验使用一定的复杂性水平从4水平表达和6水平表达。迭代执行,直到达到最低(SSR)的设置反映了在考虑最准确的表达水平的复杂性。每个试验总结如表的特征4。
试验没有。 不。的水平 使用变量 人口规模 幸存者大小 不。一代又一代的 突变存在(%)
1 4 P,EK,我,E,D,Df,R,Rr、1、3、5、7、11、13、17、19 50000年 15000年 500年 5
2 5 75000年 25000年 750年
3 6 100000年 30000年 1000年
表4
每个(GEP)试验的特点。

下面的段落现在和讨论每个试验的结果。所有试验总结在表的结果5。所有执行试验的主要目标是使比较预测和实测土壤损失值,因此评价的准确性发达表达式基于统计分析。
试验没有。 不。的水平 生成公式 错误% R2
培训 验证 总 培训 验证 总
1 4 方程(1) 30. 26 29日 0.61 0.65 0.62
2 5 方程(2) 25 21 24 0.76 0.82 0.79
3 6 方程(3) 11 9 10 0.96 0.98 0.97
表5
总结的性能使用(GP)生成公式的准确性。
3.2。水土流失预测价值使用遗传编程(GP)

像往常一样(GP)技术,试验开始的最低水平的复杂性和增加,提高预测精度。这是因为简单的公式允许有限数量的变量;因此,出现变量是最有效的,而复杂的公式允许更有效的变量。因此,考虑变量可以排名根据他们对输出的影响。

3.2.1之上。GP模型试验。(1)

先从最简单的表达式有四个级别的复杂性(染色体长度= 32基因);生成的公式在本试验方程所示(3),在图12(一个)。实现误差百分比训练、验证和总组(30%),(26%),和(29%),分别,而相应的确定系数(R2)的值(0.61),(0.65),(0.62),分别。存档(R2)值表示一个公平的预测和测量土壤流失值之间的相关性。 在哪里

(一)”name=
(一)
(b)”name=
(b)
(c)”name=
(c)
图12
预测和测量土壤流失之间的关系值使用不同的公式。
3.2.2。GP模型试验。(2)

在这个实验中,复杂性水平扩展到五个层次(染色体长度= 64个基因)。方程(5)出现良好的相关关系,而图12 (b)给出了土壤流失的预测与实验值之间的比较(l)。实现误差百分比训练、验证和总组(25%),(21%),和(24%),分别和相应的(R2)值(0.76),(0.82)和(0.79)。之间的比较(R2)值方程(1)和(2)表明,精度显著提高。 在哪里

3.2.3。GP模型试验。(3)

六层的复杂性(染色体长度= 128个基因)是本试验生产中使用方程(7)。土壤流失的测量值和预测值之间的关系如图12 (c)。实现误差值(11%)、(9%)、培训(10%),验证,和总集,(R2)值(0.96),(0.98),(0.97),分别。可以指出的是,方程(3)实现了良好的精度。 在哪里

研究生成公式方程(3)- (7)表明,最有效的因素在预测土壤损失(l)值(P),(D)和(Df),(E),(R)和(Rr)是次要因素。最后,(我)和(EK)对土壤流失的值(有轻微影响l)。

4所示。结论

本研究关注在预测土壤损失值使用可用的数据库。考虑参数是降雨量,动能,降雨强度、沟头,土壤超然,分解土壤超然,径流,径流率。3 GP模型开发与不同的复杂性和精度水平,和比较这些模型显示如下:(我)第一个模型最简单的一个(只有32基因在染色体)主要取决于降雨量(P),土壤分离(D),分解土壤分离(Df)。一个公平的精度水平。(2)第二个模型(有64个基因在染色体)使用相同的1号模型的参数,除了沟头推进(E)、径流(R)和径流率(Rr)提高精度水平。(3)最后和最复杂的模型(有128个基因在染色体)包括所有八个考虑参数和显示一个优秀的精度水平

基于上述简短,以下几点可以得出结论:(我)遗传编程(GP)技术被成功地用来预测土壤流失价值(l)的准确性。(2)水土流失预测的准确性值增加而增加使用表达了一定程度的复杂性(6水平在这项研究),除此之外,额外的精度是不值得的额外的复杂性。(3)降雨量(P),土壤分离(D),分解土壤分离(Df)是控制水土流失的主要参数(l)(iv)沟头推进(E)、径流(R)和径流率(Rr)二次对水土流失的影响(l)(v)动能(EK)和降雨强度(我)没有显著影响土壤损失(l)

数据可用性

使用的数据来支持这项研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

引用

  1. Balasubramanian a,“土壤erosion-causes和效果”,技术报告,2017年。视图:出版商的网站|谷歌学术搜索
  2. k . c . Onyelowe”冲沟侵蚀造成的地质环境灾害的威胁在名为Abia状态,尼日利亚,”环境技术与创新,8卷,第348 - 343页,2017年。视图:出版商的网站|谷歌学术搜索
  3. j·k·Adewumi r·p·c·摩根,“土壤由雨滴的影响预测模型的比较超然,”本程序的第一个区域水文研讨会上热带水域情况下,j . c . Agunwamba,共和党和c c . Mbajiorgu Eds。,pp. 142-143, DE- Adroit Innovation, Albuquerque, NM, USA, 1997.视图:出版商的网站|谷歌学术搜索
  4. k . c . Onyelowe Bui范,d . o . c . Ikpemo o . a . Ubachukwu和m . Van阮”评估暴雨引起的泥沙沉积,沟发展Ikot Ekpene,尼日利亚和毁灭性影响环境,”环境技术与创新,10卷,第207 - 194页,2018年。视图:出版商的网站|谷歌学术搜索
  5. 麻省理工学院梅花和g Ojiako”,确定动态利率模型冲沟侵蚀的土壤流失”程序在第二UNIBEN会议工程和技术发展,1989年。视图:谷歌学术搜索
  6. x, z . b . Li g .问:Yu和p . Li”试验研究坡面径流、侵蚀和沉积在不同植被类型,“水资源管理,28卷,不。9日,第2433 - 2415页,2014年。视图:出版商的网站|谷歌学术搜索
  7. d·皮门特尔”,水土流失:食物和环境威胁,”环境发展和可持续性,8卷,第137 - 119页,2006年,https://doi.org/org/10.1007/s10668 - 005 - 1262 - 8。视图:谷歌学术搜索
  8. s . a . Bhat m, d . tid, r . s .之一Meena“水土流失和管理策略,”可持续管理的土壤和环境r .之一Meena s·库马尔,j·辛格(manmohan Singh)和m . Jat, Eds。施普林格,页73 - 122年,柏林,德国,2019年。视图:出版商的网站|谷歌学术搜索
  9. m . Zounemat-Kermani“水文气象参数预测土壤温度的人工神经网络方法:案例研究在怀俄明州,”水文工程杂志,18卷,不。6、2013。视图:出版商的网站|谷歌学术搜索
  10. p .韦金内尔,“动能过剩的降雨对土壤流失的影响从non-vegetated阴谋,”土壤的研究,21卷,不。4、445 - 453年,1983页。视图:出版商的网站|谷歌学术搜索
  11. 问:王、r·霍顿和m .邵”有效的雨滴动能影响土壤钾运输进入决选1,“土壤科学,卷167,不。6,369 - 376年,2002页。视图:出版商的网站|谷歌学术搜索
  12. a . Nazari萨马尼·h·艾哈迈迪,a·穆哈马迪et al .,”因素控制沟进步和模型评估(Hableh十字架盆地,伊朗),“水资源管理,24卷,不。8,1531 - 1549年,2010页。视图:出版商的网站|谷歌学术搜索
  13. n . Kariminejad m . Hosseinalizadeh h . Pourghasemi g . Campetella a . Bernatek-Jakiel和m . Ownegh”评价影响因素沟headcut位置使用汇总统计和最大熵模型:golestan省,伊朗,”科学的环境卷,677年,第298 - 281页,2019年。视图:出版商的网站|谷歌学术搜索
  14. s . Yariv”评论由降雨土壤分离的机制,”Geoderma,15卷,不。5,393 - 399年,1976页。视图:出版商的网站|谷歌学术搜索
  15. 施g . b . Wang, y, x张“不同植被恢复模式下土壤分离通过陆路流在中国的黄土高原,“系列,卷116,不。1,51-59,2014页。视图:出版商的网站|谷歌学术搜索
  16. s哈尔德·m·罗伊·巴塔查里亚,s . Mondal p·罗伊,“土壤损失估计在半干旱孟加拉盆地可持续流域保护”为可持续利用水资源管理的进步,m·罗伊·库马尔·罗伊·m·Biswas和美国朋友,Eds。,页413 - 439,新加坡,2021年。视图:出版商的网站|谷歌学术搜索
  17. m .接近e·阿尔伯特·j·Laflen, l .巷”为土壤侵蚀预测技术水:状态和研究需求,”美国土壤科学学会杂志》上,54卷,不。6、1990。视图:出版商的网站|谷歌学术搜索
  18. Gaubi, A . Chaabani A . Mammou m·哈姆扎,“基于gis技术的土壤侵蚀预测使用修正通用土壤流失方程(RUSLE) (Lebna分水岭,盖好,突尼斯),“自然灾害,卷86,不。1,第239 - 219页,2017。视图:出版商的网站|谷歌学术搜索
  19. VemuUdaya和美国Pinnamaneni”,估计土壤侵蚀的空间模式使用遥感和GIS: Indravati流域的案例研究,“自然灾害卷,59号3、1299 - 1315年,2011页。视图:出版商的网站|谷歌学术搜索
  20. d . Vu x Tran, m .曹t . Tran和n .黄平君“基于机器学习的土壤侵蚀敏感性预测使用社交蜘蛛算法优化多元自适应回归样条,“测量164卷,2020年,https://doi.org/10.1016/j.measurement.2020.108066。视图:谷歌学术搜索
  21. k . Onyelowe m·伊克巴尔和f·塔拉,“智能计算模型的加州承载比、无侧限抗压强度,和激活灰改性软粘土土壤电阻值与自适应神经模糊推理系统和整体随机森林回归技术,”多尺度和多学科建模、实验和设计4卷,第225 - 207页,2021,https://doi.org/10.1007/s41939 - 021 - 00092 - 8。视图:谷歌学术搜索
  22. k . Onyelowe m·伊克巴尔·塔拉,m . Onyia和发表意见,“安3算法编程应用预测的强度性能熟石灰激活稻壳灰处理土壤,“多尺度和多学科建模、实验和设计2021 b,https://doi.org/10.1007/s41939 - 021 - 00093 - 7。视图:谷歌学术搜索
  23. y辛格,p . Bhatia, o .从“回顾研究机器学习技术,”国际计算机科学杂志和安全,1卷,2007年。视图:谷歌学术搜索
  24. a . m . Ebid“35年的岩土工程(AI):艺术,”岩土工程和地质工程39卷,第690 - 637页,2020年。视图:出版商的网站|谷歌学术搜索
  25. k . c . Onyelowe a . m . Ebid l . Nwobia和l . Dao-Phuc”预测和性能分析的压缩指数multiple-binder-treated土壤通过遗传规划方法,”纳米技术在环境工程》第六卷,没有。2、2021年p。28日。视图:出版商的网站|谷歌学术搜索
  26. d . Khash和d . Al-Mussawi”,研究压头差对出口的影响梯度和隆起的压力之下水工建筑物由基因表达式编程,”IOP会议系列:材料科学与工程,卷1094,不。1,文章ID 012099, 2021。视图:出版商的网站|谷歌学术搜索
  27. m·摩m . Hadianfard g . Bedon, a . Baghlani”损害评价h型冲动爆炸加载下钢柱通过基因表达式编程,”工程结构,卷219,不。9 - 2020页。视图:出版商的网站|谷歌学术搜索
  28. a . h . ELbosraty a . m . Ebid和a·l·法耶德”(nk)预测因子(CPT)测试使用(GP):比较研究MEPX & GN7”国际科学工程和研究杂志》上,10卷,不。3、613 - 620年,2019页。视图:谷歌学术搜索
  29. a . h . El-Bosraty a . m . Ebid和a·l·法耶德“东塞得港粘土的不排水抗剪强度估计使用基因表达式编程,”Ain Shams工程杂志,11卷,不。4、2020。视图:出版商的网站|谷歌学术搜索
  30. k . c . Onyelowe a . m . Ebid和l . i Nwobia”预测模型的体积稳定性(耐久性)和砖红壤性土壤侵蚀度对待不同nanotextured bio-ashes沉浸与应用程序失去强度;GP,安和电子顺磁共振性能研究”,清洁材料,1卷,不。1、1 - 10,2021页。视图:出版商的网站|谷歌学术搜索
  31. w . Al-Mussawi h·凯,“预测桥墩的局部冲刷深度使用基因表达式编程方法,”SN应用科学,3卷,不。2、2021。视图:出版商的网站|谷歌学术搜索
  32. n . Ryan d二人,“健壮的基因表达式编程。”Procedia计算机科学》第六卷,没有。1,第170 - 165页,2011。视图:出版商的网站|谷歌学术搜索
  33. g . Johari g . Habibagahi, a . Ghahramani”工程水土特征曲线预测使用基因表达式编程,”岩土和Geoenvironmental工程杂志》上,卷132,不。5,661年,页2006。视图:出版商的网站|谷歌学术搜索
  34. w . Al-Mussawi”,应用遗传算法优化的截水墙的位置和倾角下的各向异性地基液压结构,”岩土工程和地质工程,37卷,不。1,2019。视图:出版商的网站|谷歌学术搜索
  35. a . Tenpe和a·帕特尔”,利用支持向量模型和基因表达式编程土壤强度的造型,“阿拉伯科学与工程》杂志上,45卷,第4319 - 4301页,2020年。视图:出版商的网站|谷歌学术搜索
  36. g ., y, y汉,x张“沉积物运移和土壤分离在陡峭的山坡上:即运输能力估计,“美国土壤科学学会杂志》上,卷73,不。4,第1297 - 1291页,2009。视图:出版商的网站|谷歌学术搜索
  37. m·g . Zhang唐、张x”时态变化土壤分离不同土地利用下在中国的黄土高原,“地球表面的过程和土地改革,34卷,不。9日,页1302 - 1309,2009 b。视图:出版商的网站|谷歌学术搜索
  38. j·k·Adewumi、o . j . Mudiare和j·j . Owonubi”土壤损失估计在samaru zaria:使用欧洲的土壤侵蚀模型,”本程序的第一个区域水文研讨会上热带水域情况下,j . c . Agunwamba,共和党和c c . Mbajiorgu Eds。,pp. 133–145, DE- Adroit Innovation, Albuquerque, NM, USA, 2000.视图:谷歌学术搜索
  39. 美国水土保持服务,“程序确定利率的土地破坏,土地折旧和冲沟侵蚀产生的沉积物,”粮农组织保护指南粮农组织,罗马,意大利,1977年。视图:谷歌学术搜索
  40. l . Li d、l . Wu, g .刘“土壤流失的概述宽容,”系列,卷78,不。2、93 - 99年,2009页。视图:出版商的网站|谷歌学术搜索
  41. w . Wischmeier和d·史密斯,”降雨能量和它与水土流失的关系,“先进的地球和空间科学,39卷,不。2、285 - 291年,1958页。视图:出版商的网站|谷歌学术搜索

版权©2021年肯尼迪Onyelowe et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。

更多相关文章

PDF 下载引用 引用
下载其他格式更多的
ePub
XML
订单打印副本订单
的观点129年
下载143年
引用

相关文章

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。