مقایسه شبکه‌های ‌عصبی ‌مصنوعی و توابع انتقالی رگرسیونی برای تخمین ظرفیت تبادل ‌کاتیونی خاک در شمال غرب ایران

Authors

  • جعفر نیکبخت گروه مهندسی آب، دانشکده کشاورزی دانشگاه زنجان ایران
  • علی باریکلو گروه خاکشناسی، دانشکده کشاورزی، دانشگاه زنجان، ایران
Abstract:

ظرفیت تبادل کاتیونی خاک میزان بار مثبتی است که در واحد جرم خاک قابل تبادل است. مدل‌سازی و تخمین ظرفیت تبادل کاتیونی شاخصی مفید از حاصلخیزی خاک می‌باشد. ارزیابی و طراحی سناریو‌های مختلف مدیریتی احتیاج به داشتن اطلاعات دقیق بانک اطلاعات خاک دارد. بدین منظور برای برآورد ظرفیت تبادل ‌کاتیونی خاک، 32 نیمرخ در دشت تبریز حفر گردید و جهت انجام آزمایش­های فیزیکی و شیمیایی مانند توزیع اندازه ذرات، کربن آلی، pH و ظرفیت تبادل کاتیونی خاک، 131 نمونه خاک از عمق­های مختلف جمع­آوری گردید. سپس 7 مدل رگرسیونی که بر­اساس مطالعات پیشین انتخاب شده بودند برای منطقه مورد مطالعه کالیبره شده و مورد ارزیابی قرار گرفتند. همچنین بر اساس ضرایب موجود در مدل­های رگرسیونی، 7 معماری متفاوت شبکه‌های عصبی مصنوعی جهت پیش‌بینی ظرفیت تبادل کاتیونی خاک طراحی گردید و نتایج حاصل از شبکه‌های عصبی مصنوعی و مدل‌های رگرسیونی چند متغیره با استفاده از پارامترهای ضریب همبستگی (R2)، جذر میانگین مربعات خطا (RMSE) و شیب بهترین معادله خط برازش داده شده بین نقاط پیش‌بینی و اندازه‌گیری شده (a) مورد ارزیابی قرار گرفت. نتایج نشان داد که معماری طراحی شده با شبکه عصبی مصنوعی با ضریب تبیین 86/0، RMSE  برابر با 14/2 و شیب خط برابر با 87/0دارای کارایی بالاتری بود که احتمالاً  به دلیل وجود روابط غیر خطی میان ویژگی های زودیافت خاک (متغیرهای مستقل) و ظرفیت تبادل کاتیونی (متغیر وابسته) بود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

استفاده از سطح ویژه برای بهبود تخمین ظرفیت تبادل کاتیونی خاک از طریق شبکه‌های عصبی مصنوعی

      ظرفیت تبادل کاتیونی (CEC) یکی از خصوصیات مهم خاک است که اندازه­گیری مستقیم  آن مشکل، وقت گیر و پر هزینه است. علی رغم تحقیقات زیاد در مورد تخمین CEC، چگونگی بهبود تخمین‌ها با معرفی متغیرهای جدید مورد بررسی کافی قرار نگرفته است. بر پایه بررسی انجام شده از منابع علمی داخلی و خارجی در هیچ تحقیقی از متغیر کمکی سطح ویژه برای تخمین  CEC استفاده نشده است. در این تحقیق 1662 نمونه خاک از نقاط مختلف...

full text

استفاده از سطح ویژه برای بهبود تخمین ظرفیت تبادل کاتیونی خاک از طریق شبکه‌های عصبی مصنوعی

  ظرفیت تبادل کاتیونی (CEC) یکی از خصوصیات مهم خاک است که اندازه­گیری مستقیم  آن مشکل، وقت گیر و پر هزینه است. علی رغم تحقیقات زیاد در مورد تخمین CEC، چگونگی بهبود تخمین‌ها با معرفی متغیرهای جدید مورد بررسی کافی قرار نگرفته است. بر پایه بررسی انجام شده از منابع علمی داخلی و خارجی در هیچ تحقیقی از متغیر کمکی سطح ویژه برای تخمین  CEC استفاده نشده است. در این تحقیق 1662 نمونه خاک از نقاط مختلف است...

full text

ایجاد، ارزیابی و مقایسه توابع انتقالی کلاسی و پیوسته برای برآورد ظرفیت تبادل کاتیونی خاک در چند کلاس‌ بافتی

Cation exchange capacity (CEC) is one of the important indices in soil fertility. Direct measurement of CEC is time consuming and expensive, especially in aridisols containing high amounts of carbonates and gypsum. Alternatively, CEC could be indirectly predicted through pedotransfer functions (PTF). The objective of this study was to predict CEC using class and continuous PTFs.A data set (n = ...

full text

تخمین پایداری خاکدانه در خاک‌های جنگلی استان گیلان بوسیله شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی

استفاده از شبکه­های عصبی مصنوعی و توابع انتقالی رگرسیونی در برآورد ویژگی­های دیریافت خاک از جمله پایداری خاکدانه­ها، هزینه و زمان لازم برای اندازه­گیری مستقیم این ویژگی­ها را کاهش می­دهد. در این پژوهش 100 نمونه خاک از جنگل­های استان گیلان تهیه شد. ماده آلی، جرم ویژه ظاهری، کربنات کلسیم معادل، جرم ویژه حقیقی، تخلخل، مقاومت مکانیکی خاک، رس، شن، سیلت، pH و هدایت الکتریکی به عنوان متغیرهای مستقل و ...

full text

ایجاد، ارزیابی و مقایسه توابع انتقالی کلاسی و پیوسته برای برآورد ظرفیت تبادل کاتیونی خاک در چند کلاس بافتی

ظرفیت تبادل کاتیونی (cec) از ویژگی های مهم خاک است. اندازه گیری مستقیم cec، به ویژه در خاک های اریدی سول بدلیل مقادیر بالای کربنات و گچ، دشوار، زمان بر و پرهزینه است. از دیگر سوی، cec خاک را می توان با روش های غیرمستقیم مانند توابع انتقالی خاک (ptfs) برآورد نمود. هدف از این مطالعه برآورد cec با استفاده از توابع انتقالی کلاسی و پیوسته بود. یک مجموعه داده (977n =) پس از گروه بندی بر اساس کلاس باف...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 1

pages  174- 186

publication date 2020-04-20

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