بررسی نتایج آنالیز حساسیت شبکه های عصبی مصنوعی برای تعیین درجه حساسیت فاکتورهای موثر بر ظرفیت تبادل کاتیونی خاک

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 640

This Paper With 5 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NACONF02_0350

تاریخ نمایه سازی: 27 آبان 1393

Abstract:

ظرفیت تبادل کاتیونی CECیکی از مهمترین ویژگیهای خاک در ارتباط با مواد غذایی، نگهداری آب در خاک وهمچنین مدیریت آلودگی خاک میباشد. اندازهگیریCECکاری دشوار و وقت گیراست بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب میباشد. در این مطالعه، از شبکه های عصبی مصنوعی برای پیش بینی ظرفیت تبادل کاتیونی خاک و همچنین بررسی تاثیر فاکتورهای موثر برCECاستفاده شد. کل 200 نمونه خاک به دو دسته 165 تایی برای توسعه مدل و 35 تایی برای ارزیابی مدل تقسم شدند. نتایج نشان داد هنگامی که از شبکه عصبی با یک لایه پنهان وهفت نرون در این لایه و ماده آلی، درصد رطوبت اشب اع ، درصد رس و شن به عنوان ورودی استفاده شدCECبا RMSE=3/ و 05 R۲=0/81سانتی مول بر کیلوگرم خاک پیشبینی شد. نتایج آنالیز حساسیت نیز نشان داد که در بین فاکتور های موثر برCECکربن آلی مهمترین فاکتور برای پیش بینیCECبود

Keywords:

آنالیز حساسیت , شبکه های عصبی مصنوعی , ظرفیت تبادل کاتیونی

Authors

مجتبی معماریان فرد

مدرس موسسه آموزش عالی علمی کاربردی جهاد کشاورزی،مرکز آموزش جهاد کشاورزی فارس، شیراز-ایران

حبیب اله بیگی هرچگانی

دکتری خاکشناسی و استادیار گروه خاکشناسی دانشگاه شهرکرد

محمدحسن صالحی

دکتری خاکشناسی و دانشیار گروه خاکشناسی دانشگاه شهرکرد

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 :
  • معماریان فرد، مجتبی و بیگی هرچگانی، حبیب اله، 1388. مقایسه ...
  • Merdurn, H., Meral, o. C, and Apan, R. M. 2006. ...
  • Minasny, B., and Mcbratney, _ B. 2002. the neuro-m method ...
  • Nestor, SY. 2006. Modelling the infiltration process multi-layer perceptron artifical ...
  • Tang, L, Zeng, G.M... Nourbakhsh, F., and Shen, G.L. 2008. ...
  • نمایش کامل مراجع