مقایسه مدل های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت
Publish place: The Journal of Water and Soil، Vol: 25، Issue: 2
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 114
This Paper With 12 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:
شناسه ملی سند علمی:
JR_WASO-25-2_011
تاریخ نمایه سازی: 25 دی 1401
Abstract:
در این تحقیق مقایسهای بین شبکه عصبی مصنوعی (ANN) و مدلهای رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج شده توسط عصارهگیرهای مختلف انجام یافت. برای این منظور ۲۵ نمونه مرکب خاک سطحی (cm۳۰-۰) از نقاط مختلف استان آذربایجان شرقی جمع آوری و در آن خاکها گیاه ذرت (سینگل کراس ۷۰۴) در سه تکرار در گلخانه کشت شد. بعد از ۶۰ روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر در آن اندازه گیری شد. نتایج نشان داد که ضریب تبیین مدل رگرسیون خطی بین فسفر استخراج شده با روش های کالول و اولسن با وزن خشک بخش هوایی ذرت بهترتیب برابر ۴۹/۰ و ۴۴/۰ بودند. با توجه به نتایج مدل شبکه عصبی مصنوعی روش اولسن برای تخمین وزن خشک و روش آب مقطر برای تخمین غلظت فسفر بخش هوایی ذرت برتر از سایر روش ها بودند. در پیشبینی شاخصهای مهم وزن خشک و فسفر جذب شده توسط گیاه ذرت بر مبنای غلظت فسفر استخراج شده توسط عصارهگیرهای مختلف، ضرایب تبیین مدلهای شبکه عصبی مصنوعی بیشتر از مدلهای رگرسیونی خطی حاصل گردید، لذا چنین نتیجهگیری شد که میتوان از شبکه عصبی مصنوعی در مطالعات آزمون خاک برای فسفر بهره گرفت.
Keywords:
Authors
محمدرضا مقصودی
۱ دانشجوی سابق کارشناسی ارشد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز
عادل ریحانی تبار
دانشیاران گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز
نصرت اله نصرت اله نجفی
دانشیاران گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز