بررسی عملکرد روش های داده مبنا در تخمین نقاط مهم رطوبتی در منطقه شاهرود
عنوان مقاله: بررسی عملکرد روش های داده مبنا در تخمین نقاط مهم رطوبتی در منطقه شاهرود
شناسه ملی مقاله: JR_JISE-42-4_003
منتشر شده در شماره 4 دوره 42 فصل در سال 1398
شناسه ملی مقاله: JR_JISE-42-4_003
منتشر شده در شماره 4 دوره 42 فصل در سال 1398
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: رگرسیون خطی, شبکه های عصبی مصنوعی, رگرسیون بردار پشتیبان, ظرفیت زراعی, نقطه پژمردگی دایم
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1016005/