مقایسه روش‌های k نزدیکترین همسایگی و شبکه عصبی مصنوعی برای پهنه‌بندی رقومی شوری خاک در منطقه چاه افضل اردکان
Authors
Abstract:
Digital soil mapping techniques which incorporate the digital auxiliary environmental data to field observation data using software are more reliable and efficient compared to conventional surveys. Therefore, this study has been conducted to use k- Nearest Neighbors (k-NN) and artificial neural network (ANN) to predict spatial variability of soil salinity in Ardekan district in an area of 700 km2, in Yazd province. In this study, 180 soil samples were collected in a grid sampling manner and then soil chemical and physical properties were measured in laboratory. Environmental auxiliary variables were included topographic attributes, remote sensing data (ETM+) and apparent electrical conductivity (ECa). The result of the study showed that the K-mean nearest neighborhood had higher accuracy than ANN models for predicting soil electrical conductivity (ECe). Overall, k-NN models could provide significant relationships between soil salinity data and environmental auxiliary variables. The k-NN model had the root mean square and coefficient of determination of 12.10 and 0.92, respectively, between predicted and observed ECe data. Also, apparent EC, and remotely sensed indices and wetness index were identified as the most important factors for predicating the soil salinity in the studied area.
similar resources
ارزیابی روش غیرپارامتریک k- نزدیکترین همسایه و سیستم‌های شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع خاک
هدایت هیدرولیکی اشباع خاک از مهم ترین ویژگی های فیزیکی خاک است لیکن در بیشتر موارد به علت محدودیت‌های عملی و یا هزینه‌ای، اندازه‌گیری آن با دشواری همراه است. در این پژوهش مدل‌های مختلف شبکه های عصبی مصنوعی با نوعی از الگوریتم‌های غیرپارامتریک از نوع یادگیرنده‌های تنبل موسوم به k-نزدیکترین همسایه، برای تخمین هدایت هیدرولیکی اشباع خاک از روی داده‌های سهل‌الوصول خاک، مورد مقایسه قرار گرفت. در این ...
full textمقایسة روش‌های شبکة عصبی مصنوعی و درخت تصمیم در تهیة نقشة رقومی خاک در منطقة اردکان
در پاسخ به تقاضای اطلاعات مکانی خاک، به‌کاربردن داده‌های کمکی رقومی و ارتباط آن‌ها با داده‌های مشاهداتی صحرایی در حال افزایش است. استفاده از اطلاعات رقومی از طریق روش‌های کامپیوتری، که اصطلاحاً نقشه‌برداری رقومی خاک خوانده می‌شود، قابل اعتمادتر و کم‌هزینه‌تر از روش‌های سنّتی نقشه‌برداری خاک است. بنابراین، در پژوهش حاضر از مدل‌های درخت تصمیم و شبکة عصبی مصنوعی برای پیش‌بینی مکانی کلاس‌های تاکسونوم...
full textمقایسه عملکرد مدل کاکس و روش K ـ نزدیکترین همسایگی در تخمین بقای بیماران پیوند کلیه
Introduction & Objective: Cox model is a common method to estimate survival and validity of the results is dependent on the proportional hazards assumption. K- Nearest neighbor is a nonparametric method for survival probability in heterogeneous communities. The purpose of this study was to compare the performance of k- nearest neighbor method (K-NN) with Cox model. Materials & Methods: This ...
full textمقایسه روش‌های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیش‌بینی شوری خاک (مطالعه موردی: شهرستان اردکان)
در سال‌های اخیر از روش‌های غیرمستقیم برای برآورد شوری خاک استفاده می‌شود. بدین منظور، در این پژوهش ششصد نمونة جمعآوریشده از منطقة اردکان آزمایش شد و قرائت‌های افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی ـ شامل شاخص اراضی، شاخص خیسی، و انحنای شیب ـ به عنوان ویژگی‌های زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتی‌متری به عنوان ویژگی‌های دیریافت تخمین...
full textمقایسه روش‌های مختلف نمونه‌برداری جهت پهنه‌بندی رقومی خاک در منطقه اردکان
اخیرا محققین از روش نقشه‌برداری رقومی برای غلبه بر مشکلات نقشه‌برداری سنتی خاک بهره گرفته‌اند. با توجه به تغییرات مکانی زیاد خاک، نمونه‌برداری مهم‌ترین مرحله در مطالعات نقشه‌برداری رقومی خاک محسوب می‌شود.هدف از پژوهش حاضر، مقایسه سه روش مختلف نمونه‌برداری شامل مربع لاتین، فازی-میانگین k و تصادفی به‌منظور دست‌یابی به یک الگوی فضایی مناسب برای نمونه‌برداری خاک در منطقه اردکان به‌وسعت 7...
full textMy Resources
Journal title
volume 20 issue 76
pages 59- 71
publication date 2016-08
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023