مقایسه مدل های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت
عنوان مقاله: مقایسه مدل های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت
شناسه ملی مقاله: JR_WASO-25-2_011
منتشر شده در در سال 1394
شناسه ملی مقاله: JR_WASO-25-2_011
منتشر شده در در سال 1394
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: ذرت, رگرسیون خطی, فسفر جذب شده, شبکه عصبی مصنوعی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1587714/