مقایسه مدل های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت
Authors
abstract
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 استخراج شده توسط عصارهگیرهای مختلف انجام یافت. برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمع آوری 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 در آن اندازه گیری شد. نتایج نشان داد که ضریب تبیین مدل رگرسیون خطی بین فسفر استخراج شده با روش های کالول و اولسن با وزن خشک بخش هوایی ذرت بهترتیب برابر 49/0 و 44/0 بودند. با توجه به نتایج مدل شبکه عصبی مصنوعی روش اولسن برای تخمین وزن خشک و روش آب مقطر برای تخمین غلظت فسفر بخش هوایی ذرت برتر از سایر روش ها بودند. در پیشبینی شاخصهای مهم وزن خشک و فسفر جذب شده توسط گیاه ذرت بر مبنای غلظت فسفر استخراج شده توسط عصارهگیرهای مختلف، ضرایب تبیین مدلهای شبکه عصبی مصنوعی بیشتر از مدلهای رگرسیونی خطی حاصل گردید، لذا چنین نتیجهگیری شد که میتوان از شبکه عصبی مصنوعی در مطالعات آزمون خاک برای فسفر بهره گرفت.
similar resources
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 ...
full textارزیابی مدلهای رگرسیونی و شبکه عصبی مصنوعی در تخمین هدایت هیدرولیکی اشباع خاک در مازندران
هدایت هیدرولیکی اشباع یکی از خصوصیات مهم هیدرولیکی در علوم مرتبط با آب، خاک و کشاورزی میباشد که در مدلسازی حرکت املاح و آب در خاک بسیار اهمیت دارد.اندازهگیری آزمایشگاهی و صحرایی آن دشوار، وقتگیر و پرهزینه بوده و امکان شناسایی تغییرپذیری مکانی و زمانی آن در مقیاس وسیع عملا وجود ندارد.امروزه با استفاده از روشهای غیرمستقیم مانند توابع انتقالی میتوان آن را با دقت بالایی برآورد نمود. پژوهش حاضر...
full textمقایسه 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 ...
full textتخمین 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 ...
full textمقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی در تخمین رسوبات معلق رودخانه ها (مطالعه موردی: سیمینه رود)
زمینه و هدف: شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسایل مهم در مدیریت منابع آب می باشد. اندازه گیری مقدار رسوب به روش های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده و گاهی از دقت کافی نیز برخوردار نمی باشد. روش بررسی: در این پژوهش تخمین رسوب رودخانه سیمینه رود واقع در استان آذربایجان غربی، با استفاده از شبکه عصبی بیـزین مورد بررسی قرار گرفته و نتایج آن با روش های مرسـوم هوشمند هم...
full textMy Resources
Save resource for easier access later
Journal title:
دانش آب و خاکPublisher: دانشگاه تبریز
ISSN 2008-5133
volume 25
issue 2 2015
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023