بررسی عملکرد روش های داده مبنا در تخمین نقاط مهم رطوبتی در منطقه شاهرود
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 2,718
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JISE-42-4_003
تاریخ نمایه سازی: 6 خرداد 1399
Abstract:
آگاهی از نقاط مهم رطوبتی، برای مطالعه های آبیاری در مزرعه بسیار ضروری میباشد اما اندازه گیری این اطلاعات به روش مستقیم بسیار پرهزینه و وقتگیر است. روشهای داده مبنا میتوانند روش مناسبی برای تخمین این پارامترها باشد. تحقیق حاضر به برآورد نقاط مهم رطوبتی شامل ظرفیت زراعی و نقطه پژمردگی دایم بهوسیله پارامترهای زودیافت با سه روش شبکه عصبی، رگرسیون خطی چندمتغیره و رگرسیون بردار پشتیبان در منطقه شاهرود پرداخته است. پس از نرمالسازی دادههای مورد نظر جدول ضریب همبستگی متغیرهای ورودی احتمالی با خروجیهای مورد نظر تشکیل شد و معنیداری همبستگی متغیرهای ورودی و خروجی از نظر آماری بررسی گردید. سپس، مدلسازی با روشهای مذکور انجام و نتایج مورد ارزیابی قرار گرفت. نتایج نشان داد که روش رگرسیون بردار پشتیبان کارایی بهتری نسبت به دو روش دیگر دارد. مقادیر ضریب تعیین، انحراف جذر میانگین مربعات خطا و ریشه میانگین مربعات خطا نرمالشده در بهترین مدل رگرسیون بردار پشتیبان، بهترتیب برابر 85/0 ، 12/3 و 89/12 برای ظرفیت زراعی و 83/0 ، 58/1و 84/14 برای نقطه پژمردگی دایم و برای شبکههای عصبی مقادیر 72/0 ، 48/3 و 36/14 برای ظرفیت زراعی و 75/0 ، 90/1 و 91/17 برای نقطه پژمردگی بهدست آمد. با توجه به بررسیهای صورتگرفته در این تحقیق، میتوان بیان نمود که مدلهای رگرسیون بردار پشتیبان با تابع کرنل خطی پایه شعاعی قادر خواهند بود با خطای پایین و ضریب تعیین بالا نقاط مهم رطوبتی خاک را پیشبینی کنند و همچنین میتوانند جایگزین بسیار خوبی برای روشهای سنتی همچون شبکههای عصبی و رگرسیون خطی باشند.
Keywords:
Authors
امید نوروزی انگنایی
دانش آموخته کارشناسی ارشد مهندسی آب، دانشگاه زابل
محمدجواد خلفی
دانش آموخته کارشناسی ارشد آبخیزداری، دانشگاه زابل
محبوبه کریمی سورند
دانش آموخته کارشناسی ارشد مهندسی خاک، دانشگاه صنعتی شاهرود
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :