ارزیابی کارایی الگوریتم مدیریت داده ها به روش گروهی (GMDH) برای پیش بینی شاخص های نگهداری آب در خاک های شالیزاری

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 398

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-29-2_005

تاریخ نمایه سازی: 26 اردیبهشت 1400

Abstract:

صحت توابع انتقالی در پیش­بینی خواص هیدرولیکی خاک را می­توان با استفاده از توابع پرانعطاف افزایش داد. این تحقیق به منظور ارزیابی کارایی توابع با قابلیت انعطاف متفاوت (رگرسیون­های خطی و غیر خطی چند متغیره (MLR)، فیزیکی- تجربی آریا و پاریس (AP)، شبکه عصبی مصنوعی(ANN)، مدیریت داده­ها به روش گروهی (GMDH) در پیش­بینی مقدار آب خاک در حد ظرفیت مزرعه­ای و نقطه پژمردگی دائم خاک­های شالیزاری اجرا گردید. توابع انتقالی با استفاده از داد­ه­های توزیع اندازه ذرات، کربن آلی، چگالی ظاهری و مقدار رطوبت حجمی خاک در مکش­های ۳۳ و ۱۵۰۰ کیلوپاسکال در ۱۳۶ نمونه خاک اراضی شالیزاری ساخته شد. الگوریتم GMDH در مقایسه با دیگر توابع انتقالی با کمترین ریشه میانگین مربعات خطا (RMSE)، کمترین محک آکایک (AIC) و بیشترین نمایه توافق (D) از صحت و اعتبار بیشتری در پیش­بینی مقدار رطوبت حجمی خاک در مکش­های ۳۳ و ۱۵۰۰ کیلوپاسکال برخوردار بود. به نظر می رسد الگوریتم GMDH در تعیین روابط غیرخطی و پیچیده بین متغیرهای پایه مانند توزیع اندازه ذرات، چگالی ظاهری خاک و کربن آلی با مقدار رطوبت حجمی خاک در مکش­های ۳۳ و ۱۵۰۰ کیلوپاسکال موفق تر از دیگر توابع انتقالی عمل نموده است. 

Keywords:

توابع انتقالی , حد ظرفیت مزرعه ای , حد پژمردگی دائم , رگرسیون خطی چند متغیره , شبکه عصبی مصنوعی

Authors

ناصر دوات گر

استادیار پژوهش موسسه تحقیقات برنج کشور

علیرضا سپاسخواه

استاد دانشگاه شیراز

محمدرضا نیشابوری

استاد دانشگاه تبریز

لیلا رضائی

کارشناس ارشد آزمایشگاه فیزیک خاک، موسسه تحقیقات برنج کشور

حسین بیات

استادیار دانشگاه بوعلی سینا همدان

نادر نریمان زاده

استاد دانشگاه گیلان