پیشبینی میزان سرب خاک با استفاده از خصوصیات زودیافت براساس مدل شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
افزایش تولید آلاینده‌ها از جمله فلزات سنگین یکی از مشکلات جدی و در حال گسترش جامعه بشری است. آلودگی به فلزات سنگین نه‌تنها بر خصوصیات فیزیکی و شیمیایی خاک تأثیرگذار است، بلکه برای سلامتی انسان از طریق ورود به چرخه غذایی و نفوذ به آب‌های زیرزمینی خطرناک است. مطالعه حاضر با هدف پیشبینی میزان سرب خاک به‌عنوان یکی از مهمترین فلزات سنگین با استفاده از خصوصیات زودیافت خاک به کمک مدل شبکه عصبی مصنوعی انجام شد. بدین منظور 63 نمونه از عمق صفر تا 30 سانتی‌متر خاک‌های مختلف واقع در حاشیه رودخانه کشف‌رود در شمال شهرستان مشهد برداشته شد. پارامترهای pH، هدایت الکتریکی، فراوانی نسبی ذرات، کربن آلی و سرب خاک اندازهگیری شدند. مدل شبکه عصبی مصنوعی نوع پرسپترون چندلایه برای پیشبینی غلظت سرب خاک مورداستفاده قرار گرفت. ارزیابی مدل با استفاده از پارامترهای آماری مانند ضریب تبیین (R2)، میانگین خطای مطلق (MAE) و همچنین مجذور میانگین مربعات خطا (RMSE) انجام شد. نتایج نشان داد که کارایی مدل شبکه عصبی مصنوعی مناسب است و می‌تواند به‌عنوان روشی دقیق جهت جایگزین شدن با روش پرهزینه و زمان‌بر اندازهگیری مستقیم آزمایشگاهی این فلز سنگین در خاک مورداستفاده قرار گیرد.
منابع مشابه
برآورد 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...
متن کاملبرآورد 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 اولارزیابی کارآیی مدل های شبکه عصبی مصنوعی در برآورد عملکرد اسانس گیاه مرزه تابستانه بر اساس ویژگی های زودیافت خاک
سابقه و هدف: یکی از نیازهای مهم در برنامه‌ریزی تولید و فرآوری گیاهان دارویی به منظور حصول عملکرد بالا و با کیفیت مطلوب، ارزیابی اولیه خصوصیات فیزیکی و شیمیایی خاک منطقه است که می‌توان با اجتناب از کاربرد غیرضروری آزمایشات متنوع خاکشناسی، هزینه تولید را به حداقل کاهش داد. مرزه تابستانه (Satureja hortensis L) از جمله گیاهان دارویی پرکاربرد است که میزان اسانس و ترکیبات آن شاخص کیفی گیاه محسوب می‌ش...
متن کاملپیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی
پیشبینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیشبینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزهای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها میشود. در پیشبینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیشبینی زمان رخداد زلزله‌های آتی مورد تأیید ق...
متن کاملبرآورد 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...
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 3 شماره 3
صفحات 214- 224
تاریخ انتشار 2017-10-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023