برآورد هدایت هیدرولیکی اشباع خاک‌های منتخب از دشت اردبیل با استفاده از مدل‌های رگرسیونی و شبکه‌های عصبی مصنوعی

Authors

  • ترحم مصری گندشمین دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
  • حامد امیرعابدی دانش­ آموخته کارشناسی ارشد، گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
  • شکرالله اصغری دانشیار گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
  • ناصر بالنده دانش‌آموخته کارشناس ارشد علوم خاک، دانشگاه ارومیه
Abstract:

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 آموزشی (80 نمونه) و داده­های اعتبارسنجی (20 نمونه) تقسیم شدند. مدل­های رگرسیونی توسط نرم­افزار SPSS و به روش گام­به­گام و مدل­های شبکه عصبی توسط نرم­افزارNeurosolution  شکل گرفتند. برای انجام تجزیه­های آماری از ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE) و ضریب آکائیک (AIC) استفاده شد. بهترین مدل رگرسیونی دارای متغیرهای شن، سیلت و جرم مخصوص ظاهری بود و بهترین مدل شبکه عصبی از متغیرهای ورودی میانگین هندسی قطر ذرات خاک، انحراف معیار هندسی قطر ذرات خاک و جرم مخصوص ظاهری به­دست آمد. مقادیر R2، (cm min-1)RMSE در فاز آموزش و اعتبارسنجی برای بهترین مدل­ رگرسیونی به­ترتیب برابر (53/0، 074/0 و 51/0، 052/0) و برای بهترین مدل شبکه عصبی به­ترتیب برابر (84/0، 04/0 و 73/0، 06/0) بود. در این پژوهش به­صورت جداگانه از تمامی پارامترهای مستقل شامل جرم مخصوص ظاهری، جرم مخصوص حقیقی، درصد آهک، میانگین هندسی قطر و انحراف معیار هندسی قطر ذرات خاک به­عنوان ورودی در تکنیک شبکه عصبی استفاده شد. مقادیر R2 و (cm min-1) RMSE در مرحله آموزش و آزمون به­ترتیب برابر (87/0، 036/0 و 58/0، 076/0) بود. نتایج تحقیق در این مورد نشان داد شبکه­­های عصبی با داده­های ورودی یکسان هدایت هیدرولیکی اشباع خاک را با دقت بیشتری (84/0=R2) نسبت به مدل­های رگرسیونی (53/0=R2) برآورد می­کنند. همچنین مشاهده شد زمانی که تعداد داده­های ورودی در روش شبکه عصبی افزایش می­یابد دقت برآورد در داده­های آموزشی بیشتر می­شود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

مقایسه روش‌های شبکه عصبی مصنوعی و رگرسیونی برای پیش‌بینی هدایت هیدرولیکی اشباع خاک‌های استان خوزستان

Direct measurement of soil hydraulic characteristics is costly and time-consuming. Also, the method is partly unreliable due to soil heterogeneity and laboratory errors. Instead, soil hydraulic characteristics can be predicted using readily available data such as soil texture and bulk density using pedotransfer functions (PTFs). Artificial neural networks (ANNs) and statistical regression are t...

full text

ارزیابی 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 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

برآورد هدایت هیدرولیکی اشباع خاک با استفاده از پارامترهای زودیافت خاک و شبکه عصبی مصنوعی

هدایت هیدرولیکی اشباع خاک، از مهمترین ویژگی های فیزیکی خاک است که اهمیتی ویژه در شناخت، بررسی و مدل سازی ترابری آب، املاح و آلاینده های محیط متخلخل زیرزمینی دارد. باوجود تحقیقات متعددی که پیرامون اندازه گیری مستقیم هدایت هیدرولیکی اشباع صورت گرفته است، این روش ها همچنان پرهزینه، زمان بر و تخصصی هستند. از این رو ضرورت برآورد هدایت هیدرولیکی اشباع با استفاده از روش های سریع، کم هزینه و با دقتی قا...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 4

pages  124- 136

publication date 2020-02-20

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