ارزیابی تأثیر پیش پردازش پارامترهای ورودی حاصل از تصاویر ماهواره ای به شبکه عصبی مصنوعی در تعیین بافت خاک

author

Abstract:

تعیین خصوصیات خاک از جمله بافت خاک از ابزار مهم برای مدیریت مناسب، استفاده بهینه و پایدار خاک است. هدف این مطالعه تعیین بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با استفاده از تصاویر سنجنده MODIS در دوره-های زمانی تصویر‌برداری 2015 و 2016 می‌باشد. بعد از تعیین بافت خاک به روش هیدرومتری از شبکه عصبی مصنوعی برای مدلسازی بافت خاک، میانگین هندسی و انحراف معیار اندازه ذرات خاک با باندهای انعکاسی، حرارتی و شاخص‌های تصاویر ماهواره‌ای استفاده شد. از مراحل مهم در مدلسازی، پیش‌پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب از آنها است. در این تحقیق پیش‌پردازش پارامترهای ورودی براساس سه روش معنی‌داری ضریب همبستگی، استفاده از تعداد معین پارامترهای ورودی و رگرسیون گام به گام انجام شد. روش رگرسیون گام به گام از کمترین خطا برخوردار بود به‌طوری-که درصد کاهش RMSE، به ترتیب نسبت به روش معنی‌داری ضریب همبستگی و استفاده از تعداد معین پارامترهای ورودی در تعیین درصد رس 22 و 6/18، در تعیین درصد شن 19/43 و 23/71، در تعیین میانگین هندسی 14/80 و 29/27 و در تعیین انحراف معیار 27/21 و 81/37 بود. همچنین درصد کاهش RMSE نسبت به روش استفاده از تعداد معین پارامترهای ورودی در تعیین درصد سیلت، 13/51 بود.کمینه مقدار متوسط آماره‌های RMSE، MAE و MRE برای سه روش پیش-پردازش مربوط به ذرات شن است که به‌عنوان نمونه متوسط MAE در مورد رس 74/1، شن 2/1 و سیلت 66/1 بود. کاهش 77/27 درصد RMSE در تعیین درصد شن با روش شبکه عصبی به عنوان نمونه گویای بهبود عملکرد مدلسازی با شبکه عصبی مصنوعی نسبت به روش رگرسیون کلاسیک است. به‌طور کلی نوع پارامترهای ورودی و نوع روش مدلسازی از عوامل مهم در تعیین بافت خاک می‌باشند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

نرمالیزاسیون رادیومتریک اتوماتیک تصاویر ماهواره ای چندزمانه مبتنی برتبدیل IR-MAD و شبکه های عصبی مصنوعی

نرمالیزاسیون رادیومتریک نسبی، اغلب در آنالیز‌های تصاویر ماهواره‌ای چندزمانه، خصوصاً در آشکارسازی تغییرات کاربری اراضی مورد استفاده قرار می‌گیرد. در این تحقیق ضمن بررسی تبدیل IR-MAD، تکنیک جدیدی مبتنی بر تبدیل IR-MAD و شبکه‌های عصبی مصنوعی توسعه داده شده است. تکنیک پیشنهادی بر روی تصاویر ماهواره‌ای چندزمانه لندست تی‌ام متعلق به سال‌های 1989و2010 شهر تبریز، پیاده‌سازی شده است. استفاده از ترکیب خطی...

full text

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

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 ...

full text

بکارگیری شبکه عصبی مصنوعی در پیش بینی جوی بر اساس پردازش تصاویر ماهواره

پیش بینی هوا، کاربرد همزمان علم و تکنولوژی برای پیش بینی حالت هوا برای زمان آینده در یک مکان مشخص است. پیش بینی دقیق هوا در علم هواشناسی همیشه بسیار حیاتی بوده است. به علت طبیعت بی نظم جو و پویا بودن آن، همیشه این موضوع، یک چالش مهم و بحث انگیز بوده است. این موضوع به دلیل تأثیر بسیار زیادی که بر روی زندگی روزمره انسان دارد، بسیار مهم است. از آنجاییکه طبیعت جو متغیر است و به قدرت محاسباتی بالایی...

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

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

کاربرد شبکه عصبی مصنوعی در پیش‌بینی 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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 2

pages  66- 80

publication date 2018-02-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023