ارزیابی کاربرد مدل های شبکه عصبی و رگرسیونی به منظور پیش بینی تنوع گونه ای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه)

ارزیابی کاربرد مدل‌های شبکه عصبی و رگرسیونی به منظور پیش بینی تنوع گونه‌ای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه)

اندازه گیری مستقیم تنوع گونه­ای امری وقت­گیر و ­هزینه­بر بوده و تا حدی به دلیل خطاهای حاصل از نمونه­گیری غیرقابل اعتماد است. این مطالعه با هدف تعیین فاکتور­های کم­هزینه در پیش­بینی تنوع گونه­ای بوسیله شبکه مدل­های عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی انجام شد. نمونه­برداری با استفاده از روش سیستماتیک-تصادفی از 60 قطعه نمونه در طول 6 ترانسکت 100 متری و از عمق 30-0 سانتی­متری خاک صورت گر...

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

کربن آلی خاک اثرات مفید­ی روی خواص شیمیایی­، فیزیکی و حرارتی خاک داشتهو همچنین روی فعالیت‌های بیولوژیکی خاک‌ها 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 مدل‌های شبکه عصبی مصنوعی (­­ANN)، شبکه عصبی تطبیقی- فازی(ANFIS)  و رگرسیون چند متغیره استفاده شد. جهت ا...

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

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 ا...

پیش بینی سیلاب در زمان واقعی با استفاده از مدلهای رگرسیونی و شبکه های عصبی مصنوعی (مطالعه موردی)

کاربرد شبکه عصبی مصنوعی در پیش بینی رواناب ناشی از ذوب برف (مطالعه موردی: حوزه آبخیز سد لتیان)

Flood is one of the natural disaster phenomena and flood prediction is very important. The rainfall-runoff process and flood are physical phenomena that these analyses are difficult due to the influence of various parameters.  There are different methods and models for these phenomena analysis. This study is carried out for rainfall-runoff process simulation using artificial neural network (ANN...

پیش بینی تغییرات کاربری اراضی با استفاده از مدل زنجیره ای مارکوف و CA مارکوف (مطالعه موردی: حوزه آبخیز گرین)

Land use change prediction is an important factor in appropriate planning and integrated ecological management of watersheds. There are various methods for modeling and prediction of land use, i.e. Markov chain and CA Markov. In this research, for predicting the land use of Gareen watershed in Iran in 2042, Landsat satellite images of 1986, 2000 and 2014, and the Markov chain and CA Markov was ...