کارایی الگوریتم کرم شب تاب و الگوریتم ژنتیک در تخمین ظرفیت تبادل کاتیونی خاک با شبکه های عصبی مصنوعی
Publish place: Journal of Water and Soil، Vol: 31، Issue: 5
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 154
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JSW-31-5_015
Index date: 30 October 2023
کارایی الگوریتم کرم شب تاب و الگوریتم ژنتیک در تخمین ظرفیت تبادل کاتیونی خاک با شبکه های عصبی مصنوعی abstract
در دهه های اخیر اندازه گیری غیرمستقیم ظرفیت تبادل کاتیونی (CEC) با استفاده از توابع انتقالی مختلف موفقیت آمیز بوده است. شبکه عصبی مصنوعی (ANN) نسبت به روش های رگرسیون آماری دارای نتایج مناسب تری بوده ولی با داده های اندک کارایی بالایی نداشته و از سوی دیگر فاقد یک روش استقرایی جامع در انتخاب الگوریتم یادگیری شبکه و توقف در حداقل محلی است. در این راستا استفاده از الگوریتم های بهینه سازی ضروری به نظر می رسد. هدف از این تحقیق، ارزیابی کارایی الگوریتم های کرم شب تاب (FA) و ژنتیک (GA) در تخمین CEC با استفاده از ANN است. برای نیل به اهداف فوق ۲۲۰ نمونه از منطقه گلفرج به صورت تصادفی برداشته شد. سپس مدل سازی با سه مدل ANN، شبکه عصبی مصنوعی-ژنتیک (ANN-GA) و شبکه عصبی مصنوعی-کرم شب تاب (ANN-FA) انجام شد. در این تحقیق شبکه های عصبی با ساختار پرسپترون چندلایه، با الگوریتم پس انتشار خطا، تابع آموزشی بایزین و تابع محرک سیگموئید آکسون با ۵ نرون مناسب ترین ساختار بوده است. نتایج نشان داد که مدل ANN-FA دارای بیشترین کارایی بوده، به طوری که ضریب تبیین و میانگین انحراف مربعات خطا و ضریب نش- ساتکلیف به ترتیب در مرحله آموزش ۹۴/۰، ۳۱/۱ و ۵۳/۰ و در مرحله آزمون ۹۷/۰، ۰۶/۱ و ۵۹/۰ بوده و مدل ANN-GA در مقام دوم از نظر کارایی بوده است. میانگین هندسی نسبت خطا ۸۴/۰ برای مدل ANN-FA بوده که نشان دهنده بیش برآوردی نسبی آن است. نهایتا مدل پیشنهادی برای تخمین ویژگی خروجی مناسب بوده و کاربرد الگوریتم بهینه سازی کرم شب تاب و ژنتیک، حاکی از کاربردی بودن این الگوریتم ها در فرآیندهایی با طبیعت پیچیده و غیرخطی است.
کارایی الگوریتم کرم شب تاب و الگوریتم ژنتیک در تخمین ظرفیت تبادل کاتیونی خاک با شبکه های عصبی مصنوعی Keywords:
کارایی الگوریتم کرم شب تاب و الگوریتم ژنتیک در تخمین ظرفیت تبادل کاتیونی خاک با شبکه های عصبی مصنوعی authors
مسلم ثروتی
دانشگاه ارومیه
حمیدرضا ممتاز
دانشگاه ارومیه
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 :