ViraScience.
Article

ارزیابی کاربرد مدل های شبکه عصبی مصنوعی، شبکه عصبی تطبیقی فازی و رگرسیون در پیش بینی کربن آلی ذره ای در مراتع خرابه سنجی ارومیه

بهنام بهرامی، دانشجوی کارشناسی ارشد مرتعداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس قاسمعلی دیانتی تیلکی، دانشیار گروه مرتعداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس سعید خسروبیگی، دانشجوی کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس سعید جانی زاده، دانشجوی کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس جواد معتمدی، استادیار دانشکده منابع طبیعی، دانشگاه ارومیه

Abstract

کربن آلی خاک اثرات مفید­ی روی خواص شیمیایی­، فیزیکی و حرارتی خاک داشتهو همچنین روی فعالیت های بیولوژیکی خاک ها موثر است. کربن آلی ذره­اییکی از بخش های مهم ناپایدار مواد آلی می باشد و نقش قابل توجهی در کیفیت خاک و مدیریت سرزمینهای مرتعی دارد. در این تحقیق جهت برآورد دقیق کربن آلی ذره­ای خاک از مدل های شبکه عصبی مصنوعی (­­ann)، شبکه عصبی تطبیقی- فازی(anfis) و رگرسیون چند متغیره استفاده شد. جهت انجام تحقیق، 60 نمونه خاک از عمق 30- 0 سانتیمتری در میان 60 کوادرات یک متر مربعی که در طول 6 ترانسکت 100 متری در مراتع خرابه سنجی ارومیه مستقر شده بود، برداشت شد. خصوصیات خاک (­نیتروژن، رس، سیلت، کربن آلی، اسیدیته، هدایت الکتریکی و وزن مخصوص ظاهری خاک) اندازه­گیری شدند. شاخص های آماری rmse و ce جهت ارزیابی کارکرد مدل ها استفاده شدند. نتایج نشان داد بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 16/0 و 41/0 و در مدل شبکه عصبی مصنوعی به ترتیب 11/0 و 65/0 و در مدل شبکه عصبی تطبیقی-فازی به ترتیب 06/0 و 79/0 می­باشند، مدل شبکه عصبی تطبیقی فازی (anfis) به عنوان ابزار قدرتمندتری در پیش­بینی کربن آلی ذره­ای خاک نسبت به آنالیز رگرسیون خطی چند­متغیره و شبکه عصبی مصنوعی عمل می­کند.

Similar items

  • کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان

    Articleجنگل ایرانساسان وفایی، دانشگاه لرستان مهدی پورهاشمی، موسسه تحقیقات جنگل ها و مراتع مهتاب پیر باوقار، دانشگاه کردستان اقبال جعفری

    مطالعه و مدل سازی ویژگی های کمی جنگل به منظور هدایت اکوسیستم به سوی اهداف ایده آل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار می آید. در پژوهش پیش رو برآورد مشخصه های تعداد در هکتار درختان و تاج پوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل می باشند، با استفاده از مدل

  • کاربرد مدل شبکه عصبی مصنوعی در پیش بینی پاسخ های آمیخته بیماری قلبی

    Articleمجله علوم پزشکی رازیمهین عادلی، mahin adeli university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران اکبر بیگلریان، akbar biglarian university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران عنایت اله بخشی، enayatollah bakhshi university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران امیدعلی عادلی

    زمینه و هدف: در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهشگر با مواردی مواجه می­شود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیش­بینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیت­ها و برقرار نبودن برخی پیش فرض­ها، روش­های کلاسیک آماری

  • کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان

    Article2016جنگل ایرانساسان وفایی، مهدی پورهاشمی، مهتاب پیر باوقار، اقبال جعفری

    مطالعه و مدل‌سازی ویژگی‌های کمی جنگل به‌منظور هدایت اکوسیستم به‌سوی اهداف ایده‌آل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار می‌آید. در پژوهش پیش‌رو برآورد مشخصه‌های تعداد در هکتار درختان و تاج‌پوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل می‌باشند، با استفاده از مدل

  • ارزیابی قابلیت مدل شبکه عصبی مصنوعی در پیش بینی پراکنش مکانی گونه های گیاهی (مطالعه موردی: مراتع طالقان میانی)

    Article2014مرتعمحمدعلی زارع چاهوکی، محبوبه عباسی، حسین آذرنیوند

    در این تحقیق قابلیت مدل شبکه عصبی در پیشبینی پراکنش مکانی گونههای گیاهی ارزیابی شده است. با توجه به هدف، اطلاعات پوشش گیاهی و عوامل رویشگاهی شامل اقلیم، خاک، پستی و بلندی و زمینشناسی جمعآوری شد. برای نمونهبرداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت150 متری مستقر و در هر ترانس

  • کاربرد مدل شبکه عصبی مصنوعی در پهنه‌بندی خطر زمین‌لغزش

    Article2017جغرافیا و برنامه ریزیمحمدحسین رضایی مقدم، محمدرضا نیکجو، کامران خلیل ولیزاده، بلواسی ایمانعلی

    ین‌لغزش بهعنوان یکی از مخاطرات طبیعی در مناطق کوهستانی محسوب می‌شود که هر ساله منجر به خسارات زیادی می‌شود. حوضه آبریز دوآب الشتر با داشتن چهره‌ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوه زمین‌لغزش است. هدف از این تحقیق پهنه‌بندی خطر زمین‌لغزش با استفاده از مدل ش

  • ارزیابی قابلیت مدل شبکه عصبی مصنوعی LVQ4 در پیش‌بینی الگوی پراکندگی سرخرطومیهای جنس Sitona humeralis (Col: Curculionidae) در مزرعه یونجه شهرستان مرودشت

    Article2020آفات و بیماریهای گیاهیحدیث صدیق، روناک محمدی، محمود عالیچی، مریم ال عصفور

    این پژوهش به منظور پیش‌بینی الگوی پراکندگی جمعیت Sitona humeralis با استفاده از شبکه عصبی LVQ4 در سطح مزرعه در شهرستان مرودشت انجام شد. داده های مربوط به تراکم جمعیت این آفت از طریق نمونه‌برداری بر روی یک شبکه علامت گذاری شده مربعی با ابعاد ۱۰×۱۰ متر و در مجموع از ۱۰۰ نقطه از سطح