تخمین پایداری خاکدانه در خاک های جنگلی استان گیلان بوسیله شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی
Publish place: The Journal of Water and Soil، Vol: 21، Issue: 3
Publish Year: 1390
نوع سند: مقاله ژورنالی
زبان: Persian
View: 103
This Paper With 10 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-21-3_012
تاریخ نمایه سازی: 15 اسفند 1401
Abstract:
استفاده از شبکههای عصبی مصنوعی و توابع انتقالی رگرسیونی در برآورد ویژگیهای دیریافت خاک از جمله پایداری خاکدانهها، هزینه و زمان لازم برای اندازهگیری مستقیم این ویژگیها را کاهش میدهد. در این پژوهش ۱۰۰ نمونه خاک از جنگلهای استان گیلان تهیه شد. ماده آلی، جرم ویژه ظاهری، کربنات کلسیم معادل، جرم ویژه حقیقی، تخلخل، مقاومت مکانیکی خاک، رس، شن، سیلت، pH و هدایت الکتریکی به عنوان متغیرهای مستقل و میانگین هندسی قطر خاکدانهها (GMD) به عنوان متغیر وابسته تعیین شدند. نمونهها به صورت تصادفی به دو سری شامل ۸۰ داده برای آموزش و ۲۰ داده برای آزمون مدلها تقسیم شدند. برای ایجاد توابع انتقالی رگرسیونی از روش گام به گام و به منظور تشکیل شبکههای عصبی مصنوعی از الگوریتم آموزشی مارکوارت-لورنبرگ و ساختار پروسپترون سه لایه با شش نرون در لایه پنهان استفاده شد. بر اساس نتایج ماتریس همبستگی بین GMD بهعنوان متغیر وابسته و متغیرهای مستقل، تعداد ۱۸ گروه متغیر مستقل برای دادهها انتخاب شدند. این متغیرها یک بار به عنوان متغیرهای ورودی توابع انتقالی رگرسیونی چندگانه و یک بار به عنوان متغیرهای ورودی شبکه عصبی مصنوعی به کار رفتند. بر اساس آمارههای ضریب تبیین تصحیح شده (R۲ady)، ریشه دوم میانگین مربعات خطا (RMSE) و برتری نسبی (RI) مدل با متغیرهای ورودی pH، جرم ویژه حقیقی، سیلت و مقاومت مکانیکی خاک بهترین مدل شبکه عصبی مصنوعی برای برآورد GMD دادههای مورد آزمایش شناخته شد.
Keywords:
Authors
عادله علی جانپور شلمانی
دانشگاه گیلان، رشت
محمود شعبانپور
دانشگاه گیلان
حسین اسدی
دانشگاه گیلان
فرید باقری
مرکز تحقیقات چای کشور لاهیجان
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 :