پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند
Publish place: Journal of Soil Research، Vol: 31، Issue: 3
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 314
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_AREO-31-3_006
Index date: 16 May 2021
پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند abstract
ظرفیت تبادل کاتیونی (CEC) یکی از مهم ترین ویژگی های خاک در ارتباط با نگهداری مواد غذایی، آب در خاک و همچنین مدیریت آلودگی خاک می باشد. اندازه گیری CEC کاری دشوار و وقت گیر است، بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب می باشد. در این پژوهش با کمک مدل های هوشمند و با استفاده از خصوصیات فیزیکی و شیمیایی خاک مانند توزیع اندازه ذرات، کربن آلی، میزان رس، شن، فسفر، نیتروژن، pH و EC به پیش بینی CEC خاک پرداخته شد. سه مدل هوشمند شامل شبکه های عصبی مصنوعی از نوع MLP، شبکه های عصبی مصنوعی از نوع RBF و مدل عصبی-فازی تطبیقی (ANFIS) برای پیش بینی مورداستفاده قرار گرفت. ۲۵۰ نمونه ی خاک جمع آوری شده به دودسته ی آموزش (۸۰ درصد داده ها) و صحت سنجی (۲۰ درصد داده ها) تقسیم شدند. دقت پیش بینی مدل مورداستفاده به وسیله شاخص های آماری مانند میانگین قدر مطلق خطا (MAE)، ضریب تبیین (R۲) و ریشه دوم میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفت. نتایج به دست آمده کارایی بالاتر مدل شبکه عصبی مصنوعی MLP را در مقایسه با دو مدل مذکور با مقادیر MAE، RMSE، R۲ به ترتیب برابر با ۷۹/۱، ۵۴/۲ و ۸۱/۰ نشان داد. همچنین آنالیز حساسیت انجام شده بر روی داده های ورودی به مدل نشان داد کربن آلی بیشترین و pH کمترین همبستگی را با ظرفیت تبادل کاتیونی دارند. با توجه به نتایج این مطالعه استفاده از شبکه عصبی مصنوعی برای تخمین ظرفیت تبادل کاتیونی خاک به خوبی امکان پذیر است و می تواند با کارایی مناسب در جهت سهولت در اندازه گیری و صرفه جویی در زمان و هزینه ها به کار گرفته شود.
پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند Keywords:
پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند authors
احمد بازوبندی
دانشجوی سابق کارشناسی ارشد دانشگاه صنعتی شاهرود
هادی قربانی
دانشیار دانشکده کشاورزی دانشگاه صنعتی شاهرود
صمد امامقلی زاده
دانشیار دانشکده کشاورزی دانشگاه صنعتی شاهرود
محمد رضا شعیبی نوبریان
دانشجوی سابق کارشناسی ارشد دانشگاه تربیت مدرس
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 :