ارزیابی مدل های رگرسیونی و شبکه عصبی مصنوعی در تخمین هدایت هیدرولیکی اشباع خاک در مازندران

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 214

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_AREO-31-1_006

تاریخ نمایه سازی: 26 اردیبهشت 1400

Abstract:

هدایت هیدرولیکی اشباع یکی از خصوصیات مهم هیدرولیکی در علوم مرتبط با آب، خاک و کشاورزی می­باشد که در مدلسازی حرکت املاح و آب در خاک بسیار اهمیت دارد.اندازه­گیری آزمایشگاهی و صحرایی آن دشوار، وقت گیر و پرهزینه بوده و امکان شناسایی تغییرپذیری مکانی و زمانی آن در مقیاس وسیع عملا وجود ندارد.امروزه با استفاده از روش­های غیرمستقیم مانند توابع انتقالی می­توان آن را با دقت بالایی برآورد نمود. پژوهش حاضر با هدف استفاده از روش های رگرسیونی و شبکه عصبی مصنوعی به عنوان دو روش کارآمد از توابع انتقالی، در برآورد هدایت هیدرولیکی اشباع انجام شد. در این مطالعه هدایت هیدرولیکی اشباع۸۰ نمونه خاک با سه تکرار به روش آزمایشگاهی بررسی شد. خصوصیات زودیافت خاک (بافت، میانگین هندسی قطر ذرات و انحراف معیار آن، جرم مخصوص ظاهری و حقیقی، هدایت الکتریکی، pH، ماده آلی و کربنات کلسیم) که به عنوان ورودی در توابع استفاده شد به دو دسته آموزش (۸۰%) و آزمون (۲۰%) تقسیم شدند. به منظور مدل سازی هدایت هیدرولیکی اشباع از مدلهای رگرسیون چند متغیرهخطی (MLR)، شبکه عصبی پرسپترون چندلایه(MLP)  و شبکه عصبی تابع پایه شعاعی (RBF) استفاده شد. همچنین برای ارزیابی اعتبار توابع توسعه یافته از شاخصهای ضریب تبیین (R۲)، میانگین مجذور مربعات خطا (RMSE) و ضریب همبستگی همگام (CCC) استفاده شد. نتایج نشان از برتری مدل پرسپترون شبکه عصبی با دو لایه مخفی با تابع فعال سازی سیکموئیدی با R۲، RMSEو CCCبه ترتیب معادل ۸۷۱/۰، ۰۲/۱(cm/h) و ۸۶۹/۰ نسبت به سایر مدلها در منطقه مورد مطالعه داشته است. با توجه به نتایج آنالیز حساسیت، مدل بهینه دارای بالاترین حساسیت نسبت به تغییرات پارامترهای جرم مخصوص ظاهری، pH و تخلخل دارد و در مقابل نسبت به پارامتر شوری کمترین حساسیت را نشان داد. به نظر میرسد که استفاده از شبکه عصبی پرسپترون با دو لایه مخفی روش کارآمدی برای تعیین هدایت هیدرولیکی اشباع در منطقه باشدو بتواند با صرفه جویی در زمان و هزینه، هدایت هیدرولیکی اشباع خاک را برآورد کند. نتایج این تحقیق به علت کمبود تعداد نمونه ها اعتبارکافی را نداشته، لذا می­تواند به عنوان شروعی برای انجام تحقیقات بعدی استفاده شود.

Authors

زهرا نوروزیان عزیزی

دانشجوی سابق کارشناسی ارشد دانشگاه علوم کشاورزی و منابع طبیعی ساری

مهدی قاجار سپانلو

دانشیار دانشگاه علوم کشاورزی و منابع طبیعی ساری

سید مصطفی عمادی

استادیار دانشگاه علوم کشاورزی و منابع طبیعی ساری

فردین صادق زاده

استادیار دانشگاه علوم کشاورزی و منابع طبیعی ساری

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 :
  • نوروزیان ز. ۱۳۹۳. برآورد هدایت هیدرولیکی اشباع خاک با استفاده ...
  • Agyare, W.A., S.J. Park., and P.L.G. Vlek. ۲۰۰۷. Artificial neural ...
  • Aimrun, W., and S.M.Amin. ۲۰۰۹. Pedo-transfer functions for saturated hydraulic ...
  • Blake, G.R., and K.H. Hartge. ۱۹۸۶. Bulk density. In: Klute, ...
  • Bouma, J. ۱۹۸۹. Using soil survey data for quantitative land ...
  • Botulaa, Y.D., W.M. Cornelisa., G. Baertb., and E. Van Ranste. ...
  • Braud I, A., C.Dantas-Antonino.,And M. Vauclin. ۱۹۹۵. A stochastic approach ...
  • Donatelli, M., and M. Acutis. ۲۰۰۱. Soil par ۲.۰۰ beta-help. ...
  • Elrick, D.E., and W.D. Reynolds. ۱۹۹۲. Infiltration from constant-head well ...
  • Frate, F.D., P. Ferrazoli.,and G. Schiavon. ۲۰۰۳. Retrieving soil moisture ...
  • Haghverdi, A., H.S. Ozturk., S. Ghodsi., and T. Tuncay. ۲۰۱۲. ...
  • Haverkamp, R., F.J. Leij., C. Fuentes., A. Sciortino., and P.J. ...
  • Hill, M. ۱۹۹۸. Methods and guidelines for effective model calibration. ...
  • Ghanbarian-Alavijeh, B., A.M. Liaghat., and S. Sohrabi. ۲۰۱۰. Estimating saturated ...
  • GhorbaniDashtaki, S.M., M. Homaee., and H. Khodaverdiloo. ۲۰۱۰. Derivation and ...
  • Lin, L.I.K. ۱۹۸۹. A concordance correlation coefficient to evaluate reproducibility. ...
  • Lu, M., Abourizk, S.M. and Hermann, U.H.,Sensitivity Analysis of neural ...
  • Kianpoor-kalkhajeh, U., R. Rezaie-Arshad., H. Amerikhah., and M. Sami. ۲۰۱۲. ...
  • Kim, M., and J.E. Gilley. ۲۰۰۸. Artificial Neural Network estimation ...
  • Klute, A. ۱۹۸۶. Methods of Soil Analysis. Part ۱, physical ...
  • Klute, A., and C. Dirksen. ۱۹۸۶. Hydraulic conductivity and diffusivity: ...
  • Marcel, G.S., J.L. Feike., T. Martinus., and H. van Genuchten. ...
  • Mallants, D., D. Jaques.,P.H. Tseng., H. Van Genuchten., And J. ...
  • Morgan, R.P.C. ۲۰۰۵. Soil erosion & Conservation. Third edition. Blackwell ...
  • Nelson, D.W., and L.P. Sommers. ۱۹۸۶. Total carbon, organic carbon ...
  • Osborne, J. ۲۰۱۰. Improving your data transformations: Applying the Box-Cox ...
  • Pachepsky,Ya., A.D. Timlin., And G. Varallyay. ۱۹۹۶. Artificial neural networks ...
  • Page, A., R. Miller., and D. Keeney. ۱۹۸۲. Methods of ...
  • Rasoulzade, A. ۲۰۱۱. Estimating hydraulic conductivity using pedotransfer functions. Hydraulic ...
  • Rogiers, B., D. Mallants., O. Batelaan., M. Gedeon., M. Huysmans., ...
  • Schaap, M.G., and F.J. Leij. ۱۹۹۸. Using neural networks to ...
  • Schaap, M.G., F.J. Leij.,And H. Van Genuchten. ۲۰۰۱. Rosetta: a ...
  • Shirazi, M.A., and L. Boersma. ۱۹۸۴. A unifying quantitative analysis ...
  • Tang, L., G. Zeng., F. Nourbakhsh., L. Guoli.,And G.L. Shen. ...
  • Tekin, E., and S.O. Akbas. ۲۰۱۱. Artificial neural networks approach ...
  • Walkley, A., and I.A. Black. ۱۹۳۴. An examination of the ...
  • Westeman, R.E.L. ۱۹۹۰. Soil testing and plant analysis. Soil Society ...
  • Wosten, J.H.M., P.A. Finke.,And M.J.W. Jansen. ۱۹۹۵. Comparison of class ...
  • Wosten, J.H.M., Y.A. Pachepsky., and W.J. Rawls. ۲۰۰۱. Pedotransfer functions: ...
  • Xiangsheng, Y., L. Guosheng., and Y. Yanyu. ۲۰۱۳. Comparison of ...
  • Yetilmezsoy, K., and S. Demirel. ۲۰۰۸. Artificial neural network (ANN) ...
  • Yilmaz, I., and O. Kaynar. ۲۰۱۱. Multiple regression, ANN (RBF, ...
  • Zorluer, I., Y. Icaga., S. Yurtcu., and H. Tosun. ۲۰۱۰. ...
  • نمایش کامل مراجع