ارزیابی دقت شبکه های عصبی مصنوعی در پیشبینی برخی پارامترهای خاک در منطقه فشند
Authors
Abstract:
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 توابع انتقالی استفاده شد که قبل از وارد کردن متغیرهای مستقل(عوامل ورودی) و ظرفیت تبادل کاتیونی و وزن مخصوص ظاهری به عنوان خروجیها (متغیر وابسته)، با استفاده از نرمافزار مینی تب و آزمون نرمال بودن کولموگروف-اسمیرنوف، نرمال بودن دادهها مورد بررسی قرار گرفت و نتایج نشان داد که دادهها نرمال میباشند. برای توسعه توابع انتقالی از روش رگرسیون چندگانه و شبکه عصبی استفاده شد. در ابتدا، دادههای آموزش و تست را تعیین و سپس دادههای ورودی به شبکه را معیارسازی کرده، در مرحله بعد، مدلهای مختلف شبکه عصبی با یک لایه مخفی که تعداد نرونهای آن به بین 2 تا 10 نرون میباشد، 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، ورودیهای شبکه شامل رس، سیلت، شن و ماده آلی و برای پیش بینی وزن مخصوص ظاهری، ورودیهای شبکه شامل رس، سیلت، شن، آهک، رطوبت اشباع و ماده آلی استفاده شد. برای تعیین رگرسیون چند متغیره پارامترهای مورد مطالعه، با استفاده از نرمافزار مینی تب رابطه رگرسیونی مربوطه از دادههای 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 پیشبینی شونده، شبکه عصبی عملکرد بهتری نسبت به مدلهای رگرسیون پایه برای پیشبینی 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، مدلهای 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 میباشد.
similar resources
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 textارزیابی عملکرد رگرسیون چندمتغیره، شبکه عصبی مصنوعی و برنامهریزی بیان ژن در تخمین برخی خصوصیات خاک
چکیده سابقه و هدف: با ظهور سیستمهای کامپیوتری در کنار سامانه اطلاعات جغرافیایی و دسترسی به دادههای رقومی مکانی، روشهای مختلف دادهکاوی، مدلسازی و تخمین خصوصیات خاک، جایگاه خود را در علوم خاک و پدومتری باز کرده است. دادهکاوی خصوصیات خاک با استفاده از روشهای آماری کامپیوتر- محور به کشف الگوهای پنهان در بانک اطلاعاتی دادهها میپردازد که در نهایت منجر به برازش مدل به منظور استفاده و تخمین خ...
full textارزیابی دقت روشهای شبکه عصبی مصنوعی و عصبی- فازی در شبیهسازی تابش کل خورشیدی
Solar radiation is an important climate parameter which can affect hydrological and meteorological processes. This parameter is a key element in development of solar energy application studies. The purpose of this study is the assessment of artificial intelligence techniques in prediction of solar radiation (Rs) using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (AN...
full textبررسی تأثیر عناصر اقلیمی بر افزایش دقت روش شبکه عصبی مصنوعی در پیشبینی خشکسالی منطقه یزد
Drought is a natural feature of the climate condition, and its recurrence is inevitable. The main purpose of this research is to evaluate the effects of climatic factors on prediction of drought in different areas of Yazd based on artificial neural networks technique. In most of the meteorological stations located in Yazd area, precipitation is the only measured factor while generally in synopt...
full textارزیابی دقت روش های شبکه عصبی مصنوعی و عصبی- فازی در شبیه سازی تابش کل خورشیدی
تابش خورشیدی از پارامترهای مهم اقلیمی است که با بسیاری از فرآیندهای هیدرولوژی و هواشناسی ارتباط مستقیم و تنگاتنگی دارد. این پارامتر از ارکان اساسی توسعه تحقیقات کاربردی انرژی خورشیدی به شمار می رود. مطالعه حاضر به منظور ارزیابی مدل های هوش مصنوعی در پیش بینی مقدار تابش کل خورشیدی رسیده به سطح افقی زمین، انجام گرفت. در این تحقیق شبکه عصبی مصنوعی (ann) و سیستم استنتاج تطبیقی عصبی- فازی (anfis) جه...
full textارزیابی 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 textMy Resources
Journal title
volume 27 issue 2
pages 3- 11
publication date 2014-07-23
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