CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی ظرفیت تبادل کاتیونی خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون چند متغیره در منطقه خضرآباد یزد

عنوان مقاله: پیش بینی ظرفیت تبادل کاتیونی خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون چند متغیره در منطقه خضرآباد یزد
شناسه ملی مقاله: JR_FANP-5-1_010
منتشر شده در شماره ۱ دوره ۵ فصل تابستان در سال 1388
مشخصات نویسندگان مقاله:

روح الله تقی زاده مهرجردی - دانشجوی دکتری خاکشناسی گروه مهندسی علوم خاک، دانشگاه تهران
شهلا محمودی - استاد گروه مهندسی علوم خاک، دانشگاه تهران
احمد حیدری - استادیار گروه مهندسی علوم خاک، دانشگاه تهران
علی اکبرزاده - دانشجوی کارشناسی ارشد خاکشناسی گروه مهندسی علوم خاک، دانشگاه تهران

خلاصه مقاله:
ارزیابی و طراحی سناریوهای مختلف مدیریتی احتیاج به داشتن اطلاعات دقیق بانک اطلاعات خاک دارد، ظرفیت تبادل کاتیونی از پارامترهای مهم موجود در بانک اطلاعاتی خاک به حساب می آید. با توجه به مشکلات اندازه گیری مستقیم ظرفیت تبادل کاتیونی بخصوص در خاک های اریدیسول ایران در سال های اخیر از روش های غیرمستقیم برای برآورد این پارامتر استفاده می شود. بدین منظور در این تحقیق برای برآورد ظرفیت تبادل کاتیونی انقدام به نمونه برداری از منطقه خضرآباد از 12 پروفیل، به تعداد 40 نمونه گردید. فراوانی نسبی ذرات به روش هیدرومتری، کربن آلی به روش والکی و پلاک و ظرفیت تبادل کاتیونی به وسیله روش باور اندازه گیری شد. سپس با استفاده از روش های شبکه عصبی مصنوعی، رگرسیون چندمتغیره و چند تابع تجربی و با استفاده از پارامترهای درصد رس، شن، سیلت و کربن آلی اقدام به تخمین پارامتر مورد نظر گردید. در ابتدا پارامترهای هر یک از مدل ها را تعیین کرده و در مرحله بعد اقدام به برآورد پارامتر مورد نظر گردید. در نهایت در این تحقیق با توجه به وجود روابط خطی مابین ورودی ها و خروجی ها شبکه عصبی عملکرد بهتری نسبت به مدل رگرسیون پایه داشته است. سایر مدل های رگرسیون پایه با توجه به نوع ورودی ها و ضرایب آنها عملکرد متفاوتی از خود نشان داده به طوری که در بین این مدل ها، مدلی که نسبت به سایر مدل ها با توجه به معیارهای ارزیابی مورد استفاده (AARE, RMSE) برتری قاطعی داشته باشد، وجود نداشته است. در کل نتایج این تحقیق نشان دهنده اهمیت فرآیند آموزش و تعیین پارامترهای مدل با استفاده از داده های یک منطقه می باشد.

کلمات کلیدی:
شبکه عصبی مصنوعی، رگرسیون چند متغیره، توابع انتقالی، اریدیسول، ظرفیت تبادل کاتیونی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/463953/