مقایسه رگرسیون خطی و شبکه های عصبی در برآورد ابعاد پیاز رطوبتی در اراضی شیب دار
Publish place: The Journal of Water and Soil، Vol: 24، Issue: 4
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 154
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-24-4_018
تاریخ نمایه سازی: 25 دی 1401
Abstract:
به منظور مقایسه رگرسیون خطی و شبکههای عصبی مصنوعی در برآورد ابعاد پیاز رطوبتی در سامانه آبیاری قطرهای در اراضی شیبدار، آزمایشاتی با قطرهچکان دارای دبی ثابت ۴ لیتر در ساعت در مدت زمانهای آبیاری ۴، ۶، ۸، ۱۰ و ۱۲ ساعت در اراضی با شیب های صفر، ۵، ۱۵ و ۲۵ درصد با بافت خاک لومسیلتی در منطقه فتحعلی دشت مغان در چهار تکرار انجام گرفت. نتایج مقایسه ای تخمین عمق پیاز رطوبتی با آمارههایR۲ و EF و RMSE در روش شبکه عصبی مصنوعی پرسپترون چند لایه به ترتیب برابر ۹۸/۰ و ۹۸/۰ و ۰۷/۱ سانتی متر و در روش رگرسیون خطی چندگانه به ترتیب ۹۳/۰ و ۹۳/۰ و ۱/۲ سانتی متر به دست آمد. همچنین نتایج مقایسه این دو روش از نظر تخمین نیمرخ خاک خیس شده بر اساس آمارههایR۲ و EF و RMSE که به ترتیب برابر ۹۹/۰، ۹۹/۰ و ۱۶/۲۲ سانتی متر مربع، و همچنین ۹۳/۰، ۹۳/۰ و ۷۷/۷۴ سانتیمتر مربع به دست آمد، نشان داد روش شبکه عصبی مصنوعی پرسپترون چند لایه نسبت به روش رگرسیون خطی چندگانه مناسبتر بود. اما نتایج مقایسه روش شبکه عصبی مصنوعی پرسپترون چند لایه و روش رگرسیون خطی چندگانه از نظر تخمین مساحت خیس شده سطح خاک بر اساس آمارههایR۲، EF و RMSE که بترتیب برابر ۹۰/۰، ۹۰/۰ و ۴۴/۱۲۶ سانتیمتر مربع، همچنین ۹۹/۰، ۹۹/۰ و ۲۲/۱۸ سانتیمتر مربع به دست آمد نشان داد که از این نظر روش رگرسیون خطی چندگانه نسبت به روش شبکه عصبی مصنوعی پرسپترون چند لایه مناسبتر بود.
Keywords:
Authors
مهدی تمجید
۱- دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه گیلان
محمد حسن بیگلویی
استادیار آبیاری و زهکشی گروه مهندسی آب دانشگاه گیلان
محمدرضا خالدیان
استادیار آبیاری و زهکشی گروه مهندسی آب دانشگاه گیلان
علیرضا مریدنژاد
کارشناس ارشد مهندسی آبیاری و زهکشی، مدیر عامل شرکت مهندسین مشاور سامان آبراه
عادل محمدی
کارشناس ارشد مهندسی آبیاری و زهکشی، اداره جهاد کشاورزی شهرستان پارس آباد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :