مقایسه توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی در برآورد گنجایش

نویسندگان

  • سمیه معلمی,
چکیده

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 and also determine whether grouping based on soil textural class and organic carbon content improved estimating CEC by two methods. For this study, 1662 soil samples of Guilan province were used from soil chemistry laboratory database of Rice Research Institute. 1109 data were used for training (the development of PTFs) and 553 data for testing (the validation of PTFs) of the models. The results showed that organic carbon was the most important variable in the estimation of cation exchange capacity for total data and all classes in textural and organic C groups in both methods. ANN performed better than the regression method in predicting CEC in all data, and grouping of data only improved the prediction of PTFs in Sand and Sandy clay loam classes by ANN method.

برای دانلود باید عضویت طلایی داشته باشید

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

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 کامل

مقایسه 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 کامل

مقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل‌های ‏رگرسیونی، منحنی‌سنجه رسوب در برآورد ‏رسوب معلق روزانه

تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

متن کامل

تخمین پایداری خاکدانه در خاک های 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 کامل

مقایسه مدل های تجربی، رگرسیونی و شبکه عصبی مصنوعی در برآورد تابش خالص دریافتی(Rs) در ایستگاه سینوپتک زاهدان

تابش خورشیدی در بسیاری از مدلهای هیدرولوژی به عنوان پارامتری مهم در تخمین تبخیر و تعرق می­باشد. تهیه و ایجاد وسایل انداره­گیری این پارامتر بسیار پرهزینه می­باشد. در این تحقیق از داده­های اندازه­گیری شده تابش (Rs) در سال های 1385 تا 1389 ایستگاه هواشناسی زاهدان استفاده شده است. در این تحقیق چند مدل غیرخطی نظیر شبکه عصبی با الگوریتم BFGS و شبکه عصبی با کاهش شیب توام و رگرسیون خطی محلی با استفاده ...

متن کامل

مقایسه مدل‌های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت

در این تحقیق مقایسه­ای بین شبکه عصبی مصنوعی (ANN) و مدل­های رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج‌شده توسط عصاره­گیرهای مختلف انجام یافت.  برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمع‌آوری و در آن خاک­ها گیاه ذرت (سینگل کراس 704) در سه تکرار در گلخانه کشت شد. بعد از 60 روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر ...

متن کامل

ذخیره در منابع من

ذخیره در منابع من ذخیره شده در منابع من

{@ msg_add @}

  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی راحت تر خواهید کرد

دانلود متن کامل

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید


عنوان ژورنال:

دوره 15  شماره 55

صفحات  169- 182

تاریخ انتشار 2011-04

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

copyright © 2015-2021