مدل سازی مقاومت فروروی خاک با استفاده از رگرسیون، شبکه عصبی مصنوعی و برنامه ریزی بیان ژن
Publish place: Journal of Water and Soil، Vol: 38، Issue: 2
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 126
This Paper With 15 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-38-2_007
Index date: 24 June 2024
مدل سازی مقاومت فروروی خاک با استفاده از رگرسیون، شبکه عصبی مصنوعی و برنامه ریزی بیان ژن abstract
اطلاع از مقاومت فروروی (PR) خاک از نظر جوانهزنی بذر، رشد ریشه و عملیات خاکورزی اهمیت فراوان دارد. اندازهگیری مستقیمPR خاک بهدلیل تغییرپذیری مکانی و زمانی شدید آن، کاری پرزحمت و گران میباشد. هدف از این پژوهش، ارایه مدلهای رگرسیون خطی (MLR)، شبکه عصبی مصنوعی (ANN) و برنامهریزی بیان ژن (GEP) برای برآورد PR از روی ویژگیهای زودیافت خاک بود. در مجموع ۸۰ نمونه خاک سطحی (۰ تا cm ۱۰) دستخورده و دستنخورده (با استفاده از استوانههای استیل به قطر و ارتفاع ۵ سانتیمتر) از اراضی جنگلی، مرتعی و زراعی منطقه فندقلوی اردبیل در تابستان ۱۴۰۲ برداشته شد سپس برخی خصوصیات فیزیکی و شیمیایی زودیافت خاک در آنها اندازهگیری شد. مقاومت فروروی خاک بهطور درجا در محل با استفاده از یک فروسنج مخروطی تعیین گردید و همزمان رطوبت خاک مزرعه در استوانهها اندازهگیری شد. دادهها بهطور تصادفی به دو گروه آموزشی (۶۰ نمونه) و آزمونی (۲۰ نمونه) تقسیم گردید. مدلهای MLR، ANN و GEP بهترتیب با استفاده از نرمافزارهای SPSS، MATLAB و Gene Xpro Tools ایجاد شدند. نتایج مدلسازی نشان داد که رطوبت خاک مزرعه، سیلت و جرم مخصوص ظاهری نسبی، مهمترین متغیرهای ورودی در برآورد PR خاک بودند. مقادیر آمارههای ضریب تبیین (R۲)، مجذور میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و ضریب نش-ساتکلیف (NS) براساس دادههای آزمونی برابر ۴۴/۰، MPa ۱۹/۱، MPa ۱۹/۰ و ۳۶/۰، ۹۲/۰، MPa ۴۱/۰، MPa ۰۵/۰- و ۹۲/۰، ۷۹/۰، MPa ۹۱/۰، MPa ۱۳/۰ و ۶۳/۰ بهترتیب برای بهترین مدل MLR، ANN و GEP تعیین گردید. براساس نتایج آمارههای ارزیابی مدلها، میتوان گفت که در منطقه مورد مطالعه، مدل ANN از بیشترین دقت و مدل MLR از کمترین دقت در برآورد PR خاک برخوردار بود.
مدل سازی مقاومت فروروی خاک با استفاده از رگرسیون، شبکه عصبی مصنوعی و برنامه ریزی بیان ژن Keywords:
مدل سازی مقاومت فروروی خاک با استفاده از رگرسیون، شبکه عصبی مصنوعی و برنامه ریزی بیان ژن authors
شکراله اصغری
گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
مهسا حسنپور کاشانی
گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
حسین شهاب آرخازلو
گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
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 :
