پیش بینی میزان گچ با استفاده از معادلات ساختاری و مدلسازی شبکه عصبی مصنوعی

مقاله حاضر با هدف، برآوردمیزان گچ با مولفه های شن، رس، سیلت، pH و EC و دستیابی به مدل مناسب است که مباحث و نرم افزارهایی که به منظور مدلسازی در این تحقیق استفاده گردید، معادلات ساختاری در نرم افزار Amos که مدل های پیشنهادی با با معیار های P value ،Chi-squar ، RMSEA۱،NFI۲ ،GFI۳، CFI۴ وAGFI۵ بررسی می شود و سیستم شبکه عصبی در نرم افزار Qnet ۲۰۰۰ میباشد که دارای چهار تابع انتقال سیگموئید۶، گوسین۷، تانژانت هایپربولیک۸ و سکانت هایپربولیک۹هست. که از دو تابع انتقال سیگموئید، گوسین، استقاده گردید و برای دو تابع سیگموئید و گوسین، ضریب تبیین، مجذور میانگین مربعات خطا، انحراف معیار و صحتیابی اندازه گیری شد. به منظور مدلسازی در این تحقیق استفاده گردید ریشه میانگین مربعات خطای برآورد، دربهترین مدل در مقایسه باسایر مدل های موجود حاصل از معادلات ساختاری که مقدارقابل قبولی را دارا نبود در نهایت تابع محرک گاوسین با داشتن ضریب تبیین ۰/۷۶)، (۰/۷۴ به ترتیب برای مراحل آموزش و صحت یابی دارای نتایج بهتری نسبت به سایر توابع میباشد .

Keywords:

خاکهای گچی , شبکه عصبی مصنوعی Qnet ۲۰۰۰(ANN) , مدلسازی , معادلات ساختاری Amos