قابلیت طیف سنجی مرئی-مادون قرمزنزدیکVIS-NIR) ) در پیش بینی درصد ذرات خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی
Publish place: Journal of Water and Soil، Vol: 34، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 43
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSW-34-3_008
تاریخ نمایه سازی: 8 آبان 1402
Abstract:
طیف سنجی مرئی و مادون قرمز نزدیک (VIS-NIR) به طور گستردهای برای تخمین خصوصیات فیزیکی خاک و اخیرا برآورد بافت خاک استفاده میشود. مطالعه حاضر با هدف پیش بینی احتمالی بافت خاک با استفاده از اندازهگیریهای طیفی و مدل های شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی انجام گرفته است. بر اساس تکنیک هایپرکیوب، محل ۱۱۵ پروفیل شناسایی و سپس نمونهبرداری از افق های خاک انجام گرفت، درصد شن و رس و سیلت نمونه های خاک اندازه گیری شد. رگرسیون حداقل مربعات جزئی (PLSR) و شبکه عصبی مصنوعی (ANN) برای مدل سازی درصد رس، شن و سیلت خاک مقایسه شدند. نتایج این بررسی نشان داد که شبکه عصبی مصنوعی نسبت به رگرسیون حداقل مربعات جزئی کارایی بهتری داشت، برای هر دو مدل از محدوده خاصی از طول موج (بین ۴۰۰ -۲۴۵۰ میکرون با اعمال پیش پردازش ها و حذفیات یکسان) استفاده گردید. هنگامی که مدل رگرسیون مربعات جزئی اجرا شد، دقت بسیار پایینی داشت (R۲ ~۰.۱-۰.۳)، در مقابل، روش شبکه عصبی-مصنوعی مقدار R۲ به ترتیب برای رس، شن و سیلت ۷۰/۰, ۷۶/۰و ۷۳/۰ بود و میانگین ریشه مربعات خطا به ترتیب ۱۴/۹، ۵۴/۵ و ۰۱/۷ گرم بر کیلوگرم براساس داده های آزمون (۲۰ درصد) به دست آمد که نشان دهنده دقت بالاتر و خطای کمتر مدل شبکه عصبی-مصنوعی می باشد. از آنجایی که رابطه بین درصد ذرات خاک و بازتاب طیفی خاک خطی نیست، به نظر می رسد روش شبکه عصبی-مصنوعی برای بررسی و تجزیه و تحلیل رابطه بین اجزای بافت خاک و داده های طیفی مناسب باشد.
Keywords:
Authors
الهام مهرابی گوهری
دانشگاه پیام نور
حمید رضا متین فر
دانشگاه لرستان
روح الله تقی زاده مهرجردی
اردکان
اعظم جعفری
دانشگاه شهید باهنر کرمان
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 :