تخمین مقاومت فروروی، رطوبت بحرانی و شاخص خمیرایی در خاکهای زراعی دشت اردبیل با استفاده از روشهای شبکه عصبی مصنوعی و رگرسیونی

پایان نامه
چکیده

اندازه گیری مستقیم خصوصیات مکانیکی و فیزیکی خاک وقت گیر، هزینه¬بر و گاهی اوقات به دلیل خطاهای آزمایشی و غیریکنواختی خاک غیرواقعی است. در عوض این خصوصیات می¬توانند به عنوان یک جایگزین از ویژگی های زودیافت خاک مانند توزیع اندازه ذرات، کربن آلی، جرم مخصوص ظاهری و حقیقی، کربنات کلسیم معادل، تخلخل کل و رطوبت خاک با استفاده از توابع انتقالی ((ptf خاک تخمین زده شوند. هدف از تحقیق حاضر ارائه توابع رگرسیونی و شبکه عصبی مصنوعی بر اساس ویژگی های زودیافت خاک شامل توزیع اندازه ذرات، کربن آلی، جرم مخصوص ظاهری و حقیقی، کربنات کلسیم معادل، تخلخل کل و رطوبت اولیه مزرعه برای برآورد ویژگی های دیریافت خاک شامل مقاومت فروروی، حدود پایایی آتربرگ (رطوبت های حد روانی، حد خمیری و شاخص خمیرایی) و پارامترهای پروکتور (رطوبت بحرانی و جرم مخصوص ظاهری حداکثر خاک) بود. به این منظور 105 نمونه دست خورده و دست نخورده از عمق 0 تا 10 سانتی متر خاک های زراعی دشت اردبیل به صورت شبکه منظم برداشت شد سپس ویژگی های فیزیکی و شیمیایی مذکور در آنها تعیین گردید. مقاومت فروروی به صورت درجا با استفاده از فروسنج مخروطی اندازه گیری شد. داده ها به دو سری آموزشی(78 داده) و داده های آزمونی(27 داده) تقسیم شدند. برای اشتقاق توابع رگرسیونی از نرم افزار 18 spss و به روش گام به گام و برای ایجاد شبکه عصبی مصنوعی از نرم افزار matlab و با الگوریتم آموزشی مومنتوم، تابع فعال ساز تانژانت سیگموئیدی و ساختار پرسپترون سه لایه با 8، 11 و 15 نرون در لایه پنهان استفاده شد. نتایج توابع رگرسیونی و شبکه عصبی مصنوعی نشان داد که مهم ترین متغیرهای ورودی زودیافت خاک در برآورد مقاومت فروروی، رطوبت اولیه مزرعه، جرم مخصوص ظاهری و توزیع اندازه ذرات، در برآورد حدود پایایی آتربرگ (رطوبت های حد روانی، حد خمیری و شاخص خمیرایی) رطوبت اشباع، جرم مخصوص ظاهری، کربن آلی و رطوبت اولیه مزرعه و در برآورد پارامترهای پروکتور (رطوبت بحرانی و جرم مخصوص ظاهری حداکثر) رطوبت اشباع، کربن آلی، رطوبت اولیه مزرعه و توزیع اندازه ذرات بودند. مقادیر ضریب تبیین (r2)، مجذور میانگین مربعات خطا (rmse)، معیار اطلاعات آکائیک (aic) و میانگین خطا (me) برای داده های آموزشی نشان داد توابع شبکه های عصبی مصنوعی در برآورد ویژگی های دیریافت مورد مطالعه در خاک های زراعی دشت اردبیل، دقیق تر از توابع رگرسیونی بودند.

منابع مشابه

برآورد رطوبت های ظرفیت زراعی، پژمردگی دائم و قابل استفاده در خاک های دشت اردبیل با استفاده از مدل های رگرسیونی و شبکه عصبی مصنوعی

اندازه­گیری مستقیم ویژگی­های هیدرولیکی خاک وقت­گیر، پرهزینه­ و گاهی اوقات به دلیل خطاهای آزمایشی و عدم یکنواختی خاک غیر واقعی است. در عوض، این ویژگی­ها می­توانند از روی ویژگی­های زودیافت خاک مانند توزیع اندازه ذرات خاک، جرم ویژه ظاهری، کربن آلی و کربنات کلسیم معادل با استفاده از توابع انتقالی خاک برآورد شوند. هدف از این پژوهش، ارائه مدل­های رگرسیونی و شبکه عصبی مصنوعی بر اساس ویژگی­های زودیافت ...

متن کامل

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 ...

متن کامل

برآورد رطوبت های ظرفیت زراعی، پژمردگی دائم و قابل استفاده در خاک های دشت اردبیل با استفاده از مدل های رگرسیونی و شبکه عصبی مصنوعی

اندازه­گیری مستقیم ویژگی­های هیدرولیکی خاک وقت­گیر، پرهزینه­ و گاهی اوقات به دلیل خطاهای آزمایشی و عدم یکنواختی خاک غیر واقعی است. در عوض، این ویژگی­ها می­توانند از روی ویژگی­های زودیافت خاک مانند توزیع اندازه ذرات خاک، جرم ویژه ظاهری، کربن آلی و کربنات کلسیم معادل با استفاده از توابع انتقالی خاک برآورد شوند. هدف از این پژوهش، ارائه مدل­های رگرسیونی و شبکه عصبی مصنوعی بر اساس ویژگی­های زودیافت ...

متن کامل

تخمین استحکام فشاری ماسه ریخته‌گری در مقادیر مختلف رطوبت با استفاده از شبکه عصبی مصنوعی

کیفیت قطعات ریخته‌گری درقالب‌گیری ماسه به‌طور چشم‌گیری به خواص ماسه‌ی مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، از شبکه عصبی مصنوعی برای بررسی تاثیر میزان رطوبت در استحکام فشاری ماسه استفاده شده است. آزمایش‌های عملی متعددی برای به‌دست آوردن داده‌های مورد ن...

متن کامل

تخمین استحکام فشاری ماسه ریخته‌گری در مقادیر مختلف رطوبت با استفاده از شبکه عصبی مصنوعی

کیفیت قطعات ریخته‌گری درقالب‌گیری ماسه به‌طور چشم‌گیری به خواص ماسه‌ی مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، از شبکه عصبی مصنوعی برای بررسی تاثیر میزان رطوبت در استحکام فشاری ماسه استفاده شده است. آزمایش‌های عملی متعددی برای به‌دست آوردن داده‌های مورد ن...

متن کامل

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

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...

متن کامل

منابع 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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده کشاورزی و منابع طبیعی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023