تخمین پایداری خاکدانه در خاک های جنگلی استان گیلان بوسیله شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی
نویسندگان
چکیده
استفاده از شبکههای عصبی مصنوعی و توابع انتقالی رگرسیونی در برآورد ویژگیهای دیریافت خاک از جمله پایداری خاکدانهها، هزینه و زمان لازم برای اندازهگیری مستقیم این ویژگیها را کاهش میدهد. در این پژوهش 100 نمونه خاک از جنگلهای استان گیلان تهیه شد. ماده آلی، جرم ویژه ظاهری، کربنات کلسیم معادل، جرم ویژه حقیقی، تخلخل، مقاومت مکانیکی خاک، رس، شن، سیلت، ph و هدایت الکتریکی به عنوان متغیرهای مستقل و میانگین هندسی قطر خاکدانهها (gmd) به عنوان متغیر وابسته تعیین شدند. نمونهها به صورت تصادفی به دو سری شامل 80 داده برای آموزش و 20 داده برای آزمون مدلها تقسیم شدند. برای ایجاد توابع انتقالی رگرسیونی از روش گام به گام و به منظور تشکیل شبکههای عصبی مصنوعی از الگوریتم آموزشی مارکوارت-لورنبرگ و ساختار پروسپترون سه لایه با شش نرون در لایه پنهان استفاده شد. بر اساس نتایج ماتریس همبستگی بین gmd بهعنوان متغیر وابسته و متغیرهای مستقل، تعداد 18 گروه متغیر مستقل برای دادهها انتخاب شدند. این متغیرها یک بار به عنوان متغیرهای ورودی توابع انتقالی رگرسیونی چندگانه و یک بار به عنوان متغیرهای ورودی شبکه عصبی مصنوعی به کار رفتند. بر اساس آمارههای ضریب تبیین تصحیح شده (r2ady)، ریشه دوم میانگین مربعات خطا (rmse) و برتری نسبی (ri) مدل با متغیرهای ورودی ph، جرم ویژه حقیقی، سیلت و مقاومت مکانیکی خاک بهترین مدل شبکه عصبی مصنوعی برای برآورد gmd دادههای مورد آزمایش شناخته شد.
منابع مشابه
تخمین پایداری خاکدانه در خاک‌های جنگلی استان گیلان بوسیله شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی
استفاده از شبکههای عصبی مصنوعی و توابع انتقالی رگرسیونی در برآورد ویژگیهای دیریافت خاک از جمله پایداری خاکدانهها، هزینه و زمان لازم برای اندازهگیری مستقیم این ویژگیها را کاهش میدهد. در این پژوهش 100 نمونه خاک از جنگلهای استان گیلان تهیه شد. ماده آلی، جرم ویژه ظاهری، کربنات کلسیم معادل، جرم ویژه حقیقی، تخلخل، مقاومت مکانیکی خاک، رس، شن، سیلت، pH و هدایت الکتریکی به عنوان متغیرهای مستقل و ...
متن کاملمقایسه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی در برآورد گنجایش
Measuring the cation exchange capacity (CEC) as one of the most important chemical soil properties is very time consuming and costly. Pedotransfer functions (PTFs) provide an alternative to direct measurement by estimating CEC. The objective of this study was to develop PTFs for predicting CEC of Guilan province soils using artificial neural network (ANN) and multiple-linear regression method a...
متن کاملمقایسه شبکههای عصبی مصنوعی و توابع انتقالی رگرسیونی برای تخمین ظرفیت تبادل کاتیونی خاک در شمال غرب ایران
ظرفیت تبادل کاتیونی خاک میزان بار مثبتی است که در واحد جرم خاک قابل تبادل است. مدلسازی و تخمین ظرفیت تبادل کاتیونی شاخصی مفید از حاصلخیزی خاک میباشد. ارزیابی و طراحی سناریو‌های مختلف مدیریتی احتیاج به داشتن اطلاعات دقیق بانک اطلاعات خاک دارد. بدین منظور برای برآورد ظرفیت تبادل کاتیونی خاک، 32 نیمرخ در دشت تبریز حفر گردید و جهت انجام آزمایشهای فیزیکی و شیمیایی مانند توزیع اندازه ذرات، کربن آ...
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 کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
دانش آب و خاکناشر: دانشگاه تبریز
ISSN 2008-5133
دوره 21
شماره 3 2011
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023