ارزیابی کارایی الگوریتم مدیریت داده ها به روش گروهی (GMDH) برای پیش بینی شاخص های نگهداری آب در خاک های شالیزاری
عنوان مقاله: ارزیابی کارایی الگوریتم مدیریت داده ها به روش گروهی (GMDH) برای پیش بینی شاخص های نگهداری آب در خاک های شالیزاری
شناسه ملی مقاله: JR_AREO-29-2_005
منتشر شده در در سال 1394
شناسه ملی مقاله: JR_AREO-29-2_005
منتشر شده در در سال 1394
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: توابع انتقالی, حد ظرفیت مزرعه ای, حد پژمردگی دائم, رگرسیون خطی چند متغیره, شبکه عصبی مصنوعی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1213522/