پیش بینی ظرفیت تبادل کاتیونی در خاکهای رسی با استفاده از پارامترهای زودیافت خاک
Publish place: The 3rd Environmental Planning and Management
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 681
This Paper With 9 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:
ESPME03_366
Index date: 16 March 2014
پیش بینی ظرفیت تبادل کاتیونی در خاکهای رسی با استفاده از پارامترهای زودیافت خاک abstract
در برنامه ریزی مدیریت خاک های آلوده و مسائل حاصلخیزی و درک روابط عناصر سنگین در خاک، اطلاع از ظرفیت تبادل کاتیونی (CEC) خاک عامل تعیین کننده ای به شمار می رود. امروزه توسعه روز افزون صنعت منجر به افزایش تولید پسابهای آلوده به مواد سمی و عناصر سنگین شده است. ورود فاضلابها به آبهای سطحی باعث جذب مواد درون آنها در خاکهای اطراف می گردد. خاک های مختلف مقادیر متفاوتی از مواد را جذب می کنند که مقدار جذب تحت تاثیر مقدار ظرفیت تبادل کاتیونی خاکهاست. ظرفیت تبادل کاتیونی به عنوان یکی از ویژگیهای دیریافت خاک به ویژه در خاکهای رسی می باشد که اندازه گیری آن نیازمند صرف زمان و هزینه زیادی می باشد. در این تحقیق سعی شده تا ظرفیت تبادل کاتیونی بر اساس خصوصیات زود یافت خاک مانند مقدار شن، سیلت، رس و ماده آلی و pH، با استفاده از روشهای شبکه عصبی مصنوعی و رگرسیون چند متغیره برآورد گردد. جهت نیل به اهداف، 176 نمونه خاک رسی انتخاب و ظرفیت تبادل کاتیونها و سایر خصوصیات آنها اندازه گیری گردید. سپس با استفاده از شبکه عصبی و رگرسیون چند متغیره خطی اقدام به برآورد ظرفیت تبادل کاتیونی گردید. نتایج نشان داد که روش شبکه های عصبی مصنوعی با ضریب تشخیص **759/0 بیشترین برازش را به داده ها دارد و روشهای رگرسیون چند متغیره و مدلهای تجربی در رتبه های بعدی قرار داشتند. کمترین مقدار RMSE (788/12 =) نیز مربوط به روش شبکه های عصبی مصنوعی بود.
پیش بینی ظرفیت تبادل کاتیونی در خاکهای رسی با استفاده از پارامترهای زودیافت خاک Keywords:
پیش بینی ظرفیت تبادل کاتیونی در خاکهای رسی با استفاده از پارامترهای زودیافت خاک authors
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 :