برآورد رطوبت های ظرفیت زراعی، پژمردگی دائم و قابل استفاده در خاک های دشت اردبیل با استفاده از مدل های رگرسیونی و شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
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 یاد شده برای برآورد ویژگیهای دیریافت شامل رطوبت های ظرفیت زراعی، پژمردگی دائم و قابل استفاده در شماری از خاکهای دشت اردبیل بود.برای این منظور 100 نمونه خاک برداشته شد سپس برخی ویژگیهای فیزیکی و شیمیایی آنها اندازهگیری شد. دادهها به دو سری دادههای آموزشی (80 نمونه) و دادههای آزمونی (20 نمونه) تقسیم شدند. برای ایجاد مدلهای شبکه عصبی از نرمافزار 5 Neurosolution و برای ایجاد مدلهای رگرسیونی از نرم افزار SPSS استفاده شد. مقادیر ضریب تبیین (R2) و مجذور میانگین مربعات خطا (RMSE) در تخمین پارامترهای دیریافت شامل رطوبتهای ظرفیت زراعی، پژمردگی دائم و قابل استفاده به ترتیب برابر 82/0 و 29/2، 82/0 و 38/1، 57/0 و 97/1 برای بهترین مدل رگرسیونی و به ترتیب برابر 87/0 و 9/1، 90/0 و 02/1، 73/0 و 56/1 برای بهترین مدل شبکه عصبی مصنوعی بود. مقادیر R2 و RMSE برای نتایج مدلهای رگرسیونی و شبکه عصبی مصنوعی نشان داد که هر دو روش میتوانند ضرایب رطوبتی خاک را با دقت مناسبی برآورد کنند. با این حال، مدلهای رگرسیونی در برآورد رطوبت قابل استفاده کارآیی لازم را نداشتند. دقت تخمین ضرایب رطوبتی توسط مدلهای شبکه عصبی مصنوعی بیشتر از مدلهای رگرسیونی بود.
منابع مشابه
برآورد ظرفیت مالیاتی کشور با استفاده از شبکه های عصبی
ظرفیت مالیاتی، ظرفیت اقتصادی یک کشور برای تحمل فشار انواع مالیات ها است به عبارت دیگر، میزانی است که مردم می توانند مالیات بپردازند. تعیین ظرفیت مالیاتی کار دشواری است. بررسی چگونگی افزایش درآمد مالیاتی به عنوان بخشی از درآمدهای دولت از اهمیت ویژه ای برخوردار است. در این راستا، یک برآورد دقیق از ظرفیت مالیاتی و شناخت منابع موجود آن، ضروری به نظر می رسد. مناسب ترین معیار برای محاسبه و برآورد این...
متن کاملبرآورد رطوبت خاک در ظرفیت مزرعه و نقطه پژمردگی با استفاده از شبکه‌عصبی-مصنوعی و رگرسیون چند متغیره
بررسی ویژگیهای هیدرولیکی خاک همچون نقطه پژمردگی و ظرفیت زراعی برای مطالعه و مدل‌سازی حرکت آب و املاح در خاک بسیار مهم می‌باشد. به طوری‌که به دلیل تغییرات زمانی و مکانی این ویژگیها، مطالعات اخیر محققین منجر به توسعه روش‌های غیرمستقیم در تخمین این قبیل خصوصیات خاک گردیده است. در همین راستا در این مطالعه برای برآورد ظرفیت زراعی و نقطه پژمردگی دائم اقدام به نمونه‌برداری خاک از 15 پروفیل (به تعداد...
متن کاملبرآورد 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 دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
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 @}
عنوان ژورنال
دوره 1 شماره 1
صفحات 60- 72
تاریخ انتشار 2013-07-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023