ارزیابی دقت شبکه های عصبی مصنوعی در پیش بینی برخی پارامترهای خاک در منطقه فشند

Authors

الهام مهرابی گوهری

هیات علمی گروه کشاورزی دانشگاه پیام نور روح‎الله تقی‎زاده مهرجردی

استادیار خاکشناسی، دانشکده کشاورزی، منابع طبیعی و کویرشناسی، دانشگاه اردکان

abstract

از آنجا که اندازه گیری پارامترهای ظرفیت تبادل کاتیونی و جرم مخصوص ظاهری به روش های مستقیم مشکل و هزینه بر است، روش های غیرمستقیم تحت عنوان توابع انتقالی برای پیش بینی پارامترهای خاک از خصوصیات سهل الوصول توسعه پیدا کرده است. بدین منظور در این پژوهش، برای برآورد ظرفیت تبادل کاتیونی و جرم مخصوص ظاهری اقدام به نمونه برداری از منطقه فشند در تهران از 15پروفیل، به تعداد 63 نمونه شد. در این پژوهش، از توابع انتقالی استفاده شد که قبل از وارد کردن متغیر های مستقل(عوامل ورودی) و ظرفیت تبادل کاتیونی و وزن مخصوص ظاهری به عنوان خروجی ها (متغیر وابسته)، با استفاده از نرم افزار مینی تب و آزمون نرمال بودن کولموگروف-اسمیرنوف، نرمال بودن داده ها مورد بررسی قرار گرفت و نتایج نشان داد که داده ها نرمال می باشند. برای توسعه توابع انتقالی از روش رگرسیون چندگانه و شبکه عصبی استفاده شد. در ابتدا، داده های آموزش و تست را تعیین و سپس داده های ورودی به شبکه را معیار سازی کرده، در مرحله بعد، مدل های مختلف شبکه عصبی با یک لایه مخفی که تعداد نرون های آن به بین 2 تا 10 نرون می باشد، تهیه  و ساختار بهینه شبکه به روش سعی و خطا با استفاده از معیارهای ضریب همبستگی، rmse ،me و aare تعیین شد. برای پیش بینی ظرفیت تبادل کاتیونی، ورودی های شبکه شامل رس، سیلت، شن و ماده آلی و برای پیش بینی وزن مخصوص ظاهری، ورودی های شبکه شامل رس، سیلت، شن، آهک، رطوبت اشباع و ماده آلی استفاده شد. برای تعیین رگرسیون چند متغیره پارامترهای مورد مطالعه، با استفاده از نرم افزار مینی تب رابطه رگرسیونی مربوطه از داده های آموزش تعیین شدو از روابط تجربی بروسما و همکاران (1986)، مانریکو و بل (1991) و ونکولن (1995) نیز استفاده شد. به علت وجود روابط غیرخطی بین متغیرهای وابسته و پیش بینی شونده، شبکه عصبی عملکرد بهتری نسبت به مدل های رگرسیون پایه برای پیش بینی ظرفیت تبادل کاتیونی و وزن مخصوص ظاهری خاک با ضرایب تبیین 89/0 و 74/0 به ترتیب داشته است. بعد از شبکه عصبی که بهترین عملکرد را به خود اختصاص داد، رگرسیون چند متغیره دقت بالاتری را داشت. در توابع انتقالی که برای تخمین ظرفیت تبادل کاتیونی به کار رفت، مدل های مانریکو و بل (1991) با ضریب تبیین 24/0، عملکرد یکسانی داشته و نسبت به مدل بروسما و همکاران (1986) با ضریب تبیین 06/0 دارای دقت بیشتری می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی دقت شبکه های عصبی مصنوعی در پیش‌بینی برخی پارامترهای خاک در منطقه فشند

از آنجا که اندازه گیری پارامترهای ظرفیت تبادل کاتیونی و جرم مخصوص ظاهری به روش‌های مستقیم مشکل و هزینه بر است، روش‌های غیرمستقیم تحت عنوان توابع انتقالی برای پیش بینی پارامترهای خاک از خصوصیات سهل الوصول توسعه پیدا کرده است. بدین منظور در این پژوهش، برای برآورد ظرفیت تبادل کاتیونی و جرم مخصوص ظاهری اقدام به نمونه‌برداری از منطقه فشند در تهران از 15پروفیل، به تعداد 63 نمونه شد. در این پژوهش، از ...

full text

ارزیابی دقت شبکه عصبی مصنوعی بازگشتی نارکس در پیش بینی بارش روزانه در استان کرمان

بارش یکی از پارامترهای مهم اقلیمشناسی و سایر علوم جوّی که از اهمیّ تّ والای یّ در حیات بشر برخوردار است. در سالهای اخیر، سیل و خشکسالی خسار های فراوانی را در بس یّاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلا نق شّ مهمی بر عهده دارد. امروزه شبکههای عصبی مصنوعی از جمله روشهای نوین م یّباش دّ ک هّ برای تخمین و پیشبینی پارامترها با استفاده از ارتباط ذاتی بین دادهه اّ توس عّه یا...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

بررسی دقت شبکه های عصبی مصنوعی و الگوریتم بهینه سازی کلونی مورچگان در پیش بینی مدیریت سود

شناخت کیفیت سود برای استفاده­کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش­بینی سودآوری و تعیین ارزش واقعی شرکت­ها بسیار حائز اهمیت است. هدف از این پژوهش بررسی دقت پیش‎بینی مدیریت سود با استفاده از شبکه‎های عصبی (ANN) و الگوریتم کلونی مورچگان (ACO) و مقایسه آن با مدل‎ خطی (LR) است. برای این منظور از 28 متغیر تاثیرگذار بر مدیریت سود در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در...

full text

کاربرد شبکه عصبی مصنوعی در پیش بینی 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...

full text

مقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص هم‏زمان بیماری فشارخون و دیابت

  Background : Diabetes and hypertension are from important non-communicable diseases in the world and their prevalence are very important for health authorities. The objective of this study was to compare the predictive precision of joint logistic regression (LR) and artificial neutral network (ANN) in concurrent diagnosis of diabetes and hypertension.   Methods : This cross-sectional study wa...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های آبخیزداری

جلد ۲۷، شماره ۲، صفحات ۳-۱۱

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023