تخمین ضریب انتشار پذیری خاک با استفاده از مدل شبکه عصبی مصنوعی و مدل رگرسیون
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 835
This Paper With 8 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:
PWSWM02_048
تاریخ نمایه سازی: 12 شهریور 1392
Abstract:
ضریب انتشار پذیری خاک یک خاصیت قابل اندازه گیری محیط متخلخل و یکی از پارامتر های مهممعادله جابجایی - انتشار می باشد. با توجه به اهمیت برآورد این پارامتر، در تحقیق حاضر از مدل شبکهعصبی مصنوعی و رگرسیون آماری استفاده گردید. بدین منظور از داده های آزمایشگاهی که از یک مدلفیزیکی به شکل تانک مستطیلی به طول 1550 میلی متر، عرض 100 میلی متر و ارتفاع 600 میلی متر جمعآوری شد، استفاده گردید. دادههای جمعآوری شده مربوط به خاک ماسه ای در پنج اندازه بسیار درشت،درشت، متوسط، ریز و بسیار ریز می باشند که در پنج فاصله 25، 50، 75، 100 و 125 سانتیمتر با 5 سرعتمتفاوت و کلرید سدیم با غلظت 9 گرم بر لیتر به عنوان آلاینده پایدار انتخاب گردید. از داده های اندازه گیریشده شامل: فاصله انتقال، قطر متوسط ذرات، وزن مخصوص ظاهری، تخلخل، هدایت هیدرولیکی، سرعتمتوسط آلودگی به عنوان پارامترهای ورودی و ضریب انتشارپذیری خاک به عنوان پارامتر خروجی استفاده شد. از معیارهای آماری مانند متوسط مجذور مربعات خطا (RMSE)، متوسط قدر مطلق خطا (MAE) و ضریب تبیین ((R(2)) برای بررسی توانایی مدل ها در برآورد ضریب انتشار پذیری خاک مورد استفاده قرار گرفت. نتایج حاصل نشان می دهد شبکهعصبی مصنوعی قابلیت نسبتا بالایی در پیش بینی ضریب انتشار پذیریخاک دارد. همچنین مدل شبکه عصبی مصنوعی با داشتن یک لایه پنهان و تابع گوسن دارای بهترین نتیجه می باشد. همچنین مقایسه بین نتایج مدل شبکه عصبی مصنوعی و مدل رگرسیون نشان می دهد کارایی مدل شبکه عصبی بهتر از مدل آماری می باشد.
Keywords:
Authors
کیانا بهمن
دانشجوی کارشناسی ارشد خاکشناسی، گروه کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران
صمد امامقلی زاده
استادیار گروه آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، 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 :