ارزیابی روشهای شبکه‌ی عصبی مصنوعی و زمین آمار در برآورد توزیع مکانی عملکرد گندم دیم و آبی (مطالعهی موردی: خراسان رضوی)
نویسنده
چکیده مقاله:
پژوهش حاضر با هدف پیش‌بینی میزان عملکرد گندم آبی و دیم با روشهای زمینآمار کریجینگ و شبکه‌ی عصبی مصنوعی در سطح استان خراسان رضوی انجام گرفت. بدین منظور نخست مشخّصات طول و عرض جغرافیایی هفده شهرستان مورد مطالعه، به‌عنوان ورودی‌های هر دو روش تعریف شد. خروجی هر روش نیز مقدار عملکرد گندم آبی و دیم هر شهرستان بود. در بخش زمینآمار سه روش کریجینگ معمولی، کریجینگ ساده و کریجنگ عمومی و در بخش شبکه‌ی عصبی مصنوعی، ساختار پرسپترون سهلایه با الگوریتم پس‌انتشار خطا، مورد ارزیابی قرار گرفت. نتایج نشان دادند در بین روشهای زمینآمار، روش کریجینگ ساده با نیم‌تغییرنمای دایرهای در پیش‌بینی عملکرد گندم آبی با مجذور میانگین مربّعات خطای نرمال 120/0 و روش کریجینگ معمولی با نیم‌تغییرنمای نمایی و مجذور میانگین مربّعات خطای نرمال 348/0 در پیش‌بینی عملکرد گندم دیم مناسب بود. مقایسهی نتایج زمینآمار و شبکه‌ی عصبی مصنوعی بیانگر توانایی بالای شبکه‌ی عصبی در مقابل روش زمینآمار کریجینگ بود، بهطوریکه در شبکه‌ی عصبی مصنوعی عملکرد گندم دیم و آبی به‌ترتیب با 46 و 42 درصد خطای کمتر نسبت به‌روش زمینآمار برآورد شد. همچنین محاسبهی شاخص ویلموت نشان داد دقّت شبکه‌ی عصبی در پیش‌بینی عملکرد گندم دیم، 81 درصد و در گندم آبی 65 درصد بود. در حالی‌که شاخص ویلموت برای پیش‌بینی عملکرد گندم دیم و آبی به‌روش زمینآمار، به‌ترتیب 53 درصد و 50 درصد به‌دست آمد. درمجموع می‌توان چنین نتیجه گرفت که روش شبکه‌ی عصبی مصنوعی با تلفیق دو عامل طول و عرض جغرافیایی، قادر به پیش‌بینی عملکرد گندم آبی و دیم پیش از برداشت با دقّت مناسب است.
منابع مشابه
ارزیابی شبیههای مختلف شبکه‌ی عصبی مصنوعی و روشهای زمین آمار درتکمیل دادههای مفقود بارش روزانه
افزایش دقت براورد دادههای مفقود بارش روزانه، بویژه در حوضههای بزرگ آبخیز با شبکه باران سنجی غیر متراکم، یکی از چالشهای آبشناسها میباشد. در این مطالعه، شش شبیه شبکه عصبی مصنوعی به نامهای MLP، TLFN، RBF، RNN، TDRNN وCFNN با روشهای مختلف اعتبار سنجی برای تکمیل دادههای مفقود بارش روزانه در مقایسه با روشهای زمین آمار کریجینگ و کوکریجینگ با شبیههای مختلف مورد بررسی قرار گرفته اند. برای ارزیابی د...
متن کاملتوسعه و کاربرد مدل های عصبی، فازی، الگوریتم ژنتیک و زمین آمار در برآورد توزیع مکانی سطح ایستابی
متن کامل
پیش‌بینی مکانی غلظت فلوئورید با استفاده از مدل‌های شبکه‌های عصبی مصنوعی و زمین آمار
در چند دهة اخیر محقّقین به ناهنجاریهای شیمیایی موجود در آب، خاک و هوا که سلامتی انسانها را تهدید می‌کنند، توجه خاصی داشته‌اند. از این میان غلظت بیش از حد استاندارد (5/1 میلی‌گرم بر لیتر) فلوئورید در آبهای شرب به دلیل تأثیر مستقیم روی فیزیولوژی بدن انسان، اهمیت بالایی دارد. در منابع آبی دشتهای بازرگان و پلدشت غلظت فلوئورید بیش از حد استاندارد جهانی (WHO) است. هدف این تحقیق تعیین تغییرات مکانی ...
متن کاملارزیابی روش های زمین آمار در برآورد توزیع مکانی بارش استان همدان در محیط gis
یکی از مشکلات مهم مطالعات منابع آب، برآورد منطقهای بارندگی بر اساس مشاهدات نقطهای میباشد که میتواند بهروشهای مختلفی صورت گیرد. در این مطالعه، با استفاده از قابلیت سیستم اطلاعات جغرافیایی و بکارگیری برخی از روشهای زمینآمار از قبیل کریجینگ (ساده، معمولی و عمومی) و توابع پایه شعاعی، تغییرات مکانی مشخصههای بارش سالانه استان همدان مورد ارزیابی قرارگرفت است. بدین منظور از دادههای آماری 11 س...
متن کاملمقایسة روشهای زمین‌آماری و شبکة عصبی مصنوعی در برآورد توزیع مکانی عمق برف (مطالعة موردی: حوضة آبخیز سخوید، یزد)
در بسیاری از حوضههای آبخیز کوهستانی، برف انباشته‌شده در برفچال‌ها ذخیرة درخور توجهی از منابع آب حوضه‌ها را تأمین می‌کند. بنابراین، پایش این رژیم هیدرولوژیکی، به‌ویژه بررسی توزیع مکانی ذخایر برفی، از نیازهای اساسی مدیران منابع آب به‌شمار می‌رود. به دلیل سخت‌بودن و حتی در برخی موارد ناممکن‌بودن آماربرداری از دادههای برف، توسعة روش‌هایی برای برآوردِ عمقِ برف در نقاط فاقد اندازه‌گیری و نیز بررسی د...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 44 شماره 4
صفحات 23- 42
تاریخ انتشار 2012-12-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023