مقایسه عملکرد شبکه های عصبی مصنوعی RBF تحلیل رگرسیون در برآورد میزان ترسیب کربن خاک
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 470
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ISCCDCE04_002
Index date: 27 October 2018
مقایسه عملکرد شبکه های عصبی مصنوعی RBF تحلیل رگرسیون در برآورد میزان ترسیب کربن خاک abstract
کربن آلی به دلیل سهم مهم در چرخه غذایی خاک یکی از عناصر مهم حساس پذیر خاک در قبال عوامل مدیریتی بوده و نقش قابل توجهی در کیفیت خاک اکوسیستم های جنگلی دارد. در این تحقیق جهت برآورد دقیق ترسیب کربن خاک از مدل های شبکه عصبی مصنوعی RBF و رگرسیون چند متغیره استفاده شد. جهت انجام تحقیق، 60 نمونه خاک از عمق 15- 0 سانتیمتری در گرادیان ارتفاعی جنگل دانشکده منابع طبیعی دانشگاه تربیت مدرس، برداشت شد. خصوصیات خاک (رس، سیلت، شن، کربن آلی، هدایت الکتریکی و رطوبت خاک) اندازه گیری شد. نتایج کلی این مطالعه نشان داد که ترسیب کربن در منطقه از ویژگی های فیزیکی و شیمیایی خاک تاثیر زیادی گرفته است. همچنین بر اساس معیارهای ضریب تشخیص R2، مجذور میانگین مربعات خطا (RMSE) و ضریب تغییرات مجذور میانگین مربعات خطا (CV(RMSE)، مدل شبکه عصبی RBF برآورد بهتری از تحلیل رگرسیونی داشته است.
مقایسه عملکرد شبکه های عصبی مصنوعی RBF تحلیل رگرسیون در برآورد میزان ترسیب کربن خاک Keywords:
مقایسه عملکرد شبکه های عصبی مصنوعی RBF تحلیل رگرسیون در برآورد میزان ترسیب کربن خاک authors
فاطمه چشم براه
دانشجوی کارشناسی ارشد مدیریت مناطق بیابانی، دانشگاه یزد
قاسم علی پاراد
دانشجو دکتری جنگلداری، دانشگاه تربیت مدرس