برآورد رطوبت های ظرفیت زراعی، پژمردگی دائم و قابل استفاده در خاک های دشت اردبیل با استفاده از مدل های رگرسیونی و شبکه عصبی مصنوعی
Authors
Abstract:
اندازهگیری مستقیم ویژگیهای هیدرولیکی خاک وقتگیر، پرهزینه و گاهی اوقات به دلیل خطاهای آزمایشی و عدم یکنواختی خاک غیر واقعی است. در عوض، این ویژگیها میتوانند از روی ویژگیهای زودیافت خاک مانند توزیع اندازه ذرات خاک، جرم ویژه ظاهری، کربن آلی و کربنات کلسیم معادل با استفاده از توابع انتقالی خاک برآورد شوند. هدف از این پژوهش، ارائه مدلهای رگرسیونی و شبکه عصبی مصنوعی بر اساس ویژگیهای زودیافت یاد شده برای برآورد ویژگیهای دیریافت شامل رطوبت های ظرفیت زراعی، پژمردگی دائم و قابل استفاده در شماری از خاکهای دشت اردبیل بود.برای این منظور 100 نمونه خاک برداشته شد سپس برخی ویژگیهای فیزیکی و شیمیایی آنها اندازهگیری شد. دادهها به دو سری دادههای آموزشی (80 نمونه) و دادههای آزمونی (20 نمونه) تقسیم شدند. برای ایجاد مدلهای شبکه عصبی از نرمافزار 5 Neurosolution و برای ایجاد مدلهای رگرسیونی از نرم افزار SPSS استفاده شد. مقادیر ضریب تبیین (R2) و مجذور میانگین مربعات خطا (RMSE) در تخمین پارامترهای دیریافت شامل رطوبتهای ظرفیت زراعی، پژمردگی دائم و قابل استفاده به ترتیب برابر 82/0 و 29/2، 82/0 و 38/1، 57/0 و 97/1 برای بهترین مدل رگرسیونی و به ترتیب برابر 87/0 و 9/1، 90/0 و 02/1، 73/0 و 56/1 برای بهترین مدل شبکه عصبی مصنوعی بود. مقادیر R2 و RMSE برای نتایج مدلهای رگرسیونی و شبکه عصبی مصنوعی نشان داد که هر دو روش میتوانند ضرایب رطوبتی خاک را با دقت مناسبی برآورد کنند. با این حال، مدلهای رگرسیونی در برآورد رطوبت قابل استفاده کارآیی لازم را نداشتند. دقت تخمین ضرایب رطوبتی توسط مدلهای شبکه عصبی مصنوعی بیشتر از مدلهای رگرسیونی بود.
similar resources
برآورد ظرفیت مالیاتی کشور با استفاده از شبکه های عصبی
ظرفیت مالیاتی، ظرفیت اقتصادی یک کشور برای تحمل فشار انواع مالیات ها است به عبارت دیگر، میزانی است که مردم می توانند مالیات بپردازند. تعیین ظرفیت مالیاتی کار دشواری است. بررسی چگونگی افزایش درآمد مالیاتی به عنوان بخشی از درآمدهای دولت از اهمیت ویژه ای برخوردار است. در این راستا، یک برآورد دقیق از ظرفیت مالیاتی و شناخت منابع موجود آن، ضروری به نظر می رسد. مناسب ترین معیار برای محاسبه و برآورد این...
full textبرآورد رطوبت خاک در ظرفیت مزرعه و نقطه پژمردگی با استفاده از شبکه‌عصبی-مصنوعی و رگرسیون چند متغیره
بررسی ویژگیهای هیدرولیکی خاک همچون نقطه پژمردگی و ظرفیت زراعی برای مطالعه و مدل‌سازی حرکت آب و املاح در خاک بسیار مهم می‌باشد. به طوری‌که به دلیل تغییرات زمانی و مکانی این ویژگیها، مطالعات اخیر محققین منجر به توسعه روش‌های غیرمستقیم در تخمین این قبیل خصوصیات خاک گردیده است. در همین راستا در این مطالعه برای برآورد ظرفیت زراعی و نقطه پژمردگی دائم اقدام به نمونه‌برداری خاک از 15 پروفیل (به تعداد...
full textاستفاده از شبکه های عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع از ویژگی های زودیافت خاک
full text
برآورد هدایت هیدرولیکی اشباع خاکهای منتخب از دشت اردبیل با استفاده از مدلهای رگرسیونی و شبکههای عصبی مصنوعی
هدایت هیدرولیکی اشباع بهعنوان یک ویژگی دیریافت میتواند از ویژگیهای زودیافت خاک شامل جرم ویژه ظاهری، بافت خاک، کربن آلی، کربنات کلسیم معادل با استفاده از توابع انتقالی رگرسیونی و شبکههای عصبی مصنوعی برآورد شود. هدایت هیدرولیکی اشباع خاک به روش بار افتان در 100 نمونه خاک جمعآوری شده از دشت اردبیل تعیین شد. بعد از انجام تجزیههای شیمیایی و فیزیکی روی نمونههای خاک، دادهها به دو سری دادههای...
full textبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
full textMy Resources
Journal title
volume 1 issue 1
pages 60- 72
publication date 2013-07-23
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