تخمین برخی خصوصیات فیزیکی و هیدرولیکی خاک های منتخب از دشت اردبیل با استفاده از روش های شبکه عصبی مصنوعی و رگرسیونی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی
- نویسنده حامد امیرعابدی
- استاد راهنما شکراله اصغری فرشاد کیوان بهجو ترحم مصری گندشمین
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
اندازه گیری مستقیم خصوصیات هیدرولیکی و فیزیکی خاک وقت گیر، هزینه بر و گاهی اوقات به دلیل خطاهای آزمایشی و عدم یکنواختی خاک غیر واقعی است. در عوض، این خصوصیات می توانند به عنوان یک جایگزین از روی ویژگی های زودیافت خاک مانند توزیع اندازه ذرات، جرم مخصوص ظاهری و حقیقی، کربن آلی و کربنات کلسیم معادل با استفاده از توابع انتقالی (ptf) خاک تخمین زده شوند. هدف از تحقیق حاظر ارائه مدل های رگرسیونی و شبکه عصبی مصنوعی بر اساس ویژگی های زودیافت خاک شامل شن، سیلت، رس، جرم مخصوص ظاهری، کربن آلی و کربنات کلسیم معادل برای تخمین ویژگی های دیریافت خاک شامل رطوبت های اشباع، ظرفیت زراعی، پژمردگی دائم و آب قابل استفاده، هدایت هیدرولیکی اشباع، منافذ ماکرو، منافذ میکرو و میانگین وزنی قطر خاکدانه بود. به این منظور 100 نمونه خاک از دشت اردبیل برداشته شد سپس تجزیه های فیزیکی و شیمیایی روی نمونه ها ی خاک صورت گرفت. داده ها به دو سری داده های آموزشی (80 داده ) و داده های آزمونی (20 داده ) تقسیم شدند. برای ایجاد مدل های شبکه عصبی از نرم افزار 5 neurosolution و مدل های رگرسیونی از نرم افزار spss استفاده شد. مقادیرr2 و rmse در تخمین پارامترهای دیریافت خاک شامل میانگین وزنی قطر خاکدانه، رطوبت-های اشباع، ظرفیت زراعی، پژمردگی دائم، آب قابل استفاده، هدایت هیدرولیکی اشباع، منافذ ماکرو و میکرو برای بهترین مدل-های رگرسیونی به ترتیب برابر 81/0 و 054/0، 76/0 و 28/3، 82/0 و 29/2، 82/0 و 38/1، 57/0 و 97/1، 29/0 و 72/6، 39/0 و 96/4، 67/0 و 17/0 و برای بهترین مدل های شبکه عصبی به ترتیب برابر 88/0 و 042/0، 89/0 و 18/2، 87/0 و 9/1، 9/0 و 02/1، 73/0 و 56/1، 76/0 و 91/3، 7/0 و 48/3، 84/0 و 04/0 بود. مقادیر r2 و rmse برای نتایج مدل های رگرسیونی و شبکه عصبی مصنوعی نشان داد که هر دو روش می توانند پارامترهای دیریافت فوق الذکر را در خاک های دشت اردبیل با دقت مناسبی برآورد کنند. مدل های رگرسیونی در تخمین منافذ ماکرو، میکرو و آب قابل استفاده کارایی لازم را نداشتند همچنین شبکه های عصبی مصنوعی در تخمین پارامترهای دیریافت، دقیق تر از مدل های رگرسیونی بودند.
منابع مشابه
برآورد هدایت هیدرولیکی اشباع خاکهای منتخب از دشت اردبیل با استفاده از مدلهای رگرسیونی و شبکههای عصبی مصنوعی
هدایت هیدرولیکی اشباع بهعنوان یک ویژگی دیریافت میتواند از ویژگیهای زودیافت خاک شامل جرم ویژه ظاهری، بافت خاک، کربن آلی، کربنات کلسیم معادل با استفاده از توابع انتقالی رگرسیونی و شبکههای عصبی مصنوعی برآورد شود. هدایت هیدرولیکی اشباع خاک به روش بار افتان در 100 نمونه خاک جمعآوری شده از دشت اردبیل تعیین شد. بعد از انجام تجزیههای شیمیایی و فیزیکی روی نمونههای خاک، دادهها به دو سری دادههای...
متن کاملبرآورد رطوبت های ظرفیت زراعی، پژمردگی دائم و قابل استفاده در خاک های دشت اردبیل با استفاده از مدل های رگرسیونی و شبکه عصبی مصنوعی
اندازهگیری مستقیم ویژگیهای هیدرولیکی خاک وقتگیر، پرهزینه و گاهی اوقات به دلیل خطاهای آزمایشی و عدم یکنواختی خاک غیر واقعی است. در عوض، این ویژگیها میتوانند از روی ویژگیهای زودیافت خاک مانند توزیع اندازه ذرات خاک، جرم ویژه ظاهری، کربن آلی و کربنات کلسیم معادل با استفاده از توابع انتقالی خاک برآورد شوند. هدف از این پژوهش، ارائه مدلهای رگرسیونی و شبکه عصبی مصنوعی بر اساس ویژگیهای زودیافت ...
متن کاملارزیابی مدلهای رگرسیونی و شبکه عصبی مصنوعی در تخمین هدایت هیدرولیکی اشباع خاک در مازندران
هدایت هیدرولیکی اشباع یکی از خصوصیات مهم هیدرولیکی در علوم مرتبط با آب، خاک و کشاورزی میباشد که در مدلسازی حرکت املاح و آب در خاک بسیار اهمیت دارد.اندازهگیری آزمایشگاهی و صحرایی آن دشوار، وقتگیر و پرهزینه بوده و امکان شناسایی تغییرپذیری مکانی و زمانی آن در مقیاس وسیع عملا وجود ندارد.امروزه با استفاده از روشهای غیرمستقیم مانند توابع انتقالی میتوان آن را با دقت بالایی برآورد نمود. پژوهش حاضر...
متن کاملتخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی
هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...
متن کاملکاربرد شبکه عصبی مصنوعی در پیش‌بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک
ویژگیهای هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا مینمایند. از آنجائیکه اندازهگیری مستقیم این قبیل ویژگیهای هیدرولیکی خاک امری وقتگیر و هزینهبر است روشهای غیرمستقیمی چون توابع انتقالی و شبکههای عصبی مصنوعی بر مبنای پارامترهای سهل الوصول خاک توسعه یافتهاند. در این خصوص در این مطالعه، از شبکه عصبی مصنوعی به منظور تخمین هدایت هیدرولیک...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023