مدل سازی ضریبنفوذ پذیری به کمکشبکه های عصبی مصنوعی در خاکهای استان خوزستان

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,034

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IDNC03_290

تاریخ نمایه سازی: 15 اسفند 1389

چکیده مقاله:

منحنی رطوبتی و خواص هیدرولیکی از ویژگی های بنیادی خاک است که بیان کمی آنها برای نمون سازی جریان آب وانتقال املاح بسیار مهم است. از سوی دیگر، بسیاری از ویژگی های خاک در سطح وسیع دارای تغییرات مکانی زیادی می باشند. این موضوع باعث شده است که در عمل امکان اندازه گیری دقیق برای تعیین پارامترهای مذکور، مستلزم صرف هزینه و وقت زیاد باشد. امروزه، از روش های نوین و غیر مستقیم (توابع انتقالی، شبکه عصبی مصنوعی و رگرسیون خطی چندگانه) که دارای دقت مناسب، کاهش هزینه ها و سرعت بالایی می باشند، برای تعیین خواص هیدرولیکی خاک می توان استفاده کرد، بدین منظور در این پژوهش برای مطالعه و برآورد ویژگی هیدرولیکی (پارامترهای نفوذ) از روش شبکه عصبی مصنوعی در خاکهای استان خوزستان استفاده شد. بر این اساس داده های مربوط به پارامترهای نفوذ و خصوصیات فیزیکی خاک شامل وزن مخصوص ظاهری، بافت، تخلخل، ظرفیت زراعی مزرعه، نقطه پژمردگی دائم جمع آوری و این اطلاعات بعد از نرمال سازی، در برآورد ویژگی هیدرولیکی مورد مطالعه استفاده شد. نتایج نشان داد برآورد سرعت نفوذ نهایی با استفاده از شبکه عصبی پرسپترون دارایMSE=0/009 ، R2 =0/51 و برای نفوذ تجمعیMSE=0/01، R2 =0/56 می باشد. با توجه به مقادیر MSE و R2 بدست آمده، نتایج این روش از دقت بالا و خطای حداقل برخوردار است. بنابراین، در مناطق مشابه، کاربرد نتایج آن از نظر سرعت انجام کار، صرفه جویی در هزینه و داشتن دقت مناسب قابل توصیه است

نویسندگان

ساینا جمسی

دانشجوی کارشناسی ارشد خاکشناسی

غلامعباس صیاد

استادیار

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • سنجش قابلیت شبکه های عصبی مصنوعی برای مدل سازی سامانه غیرخطی منحنی مشخصه خاک [مقاله کنفرانسی]
  • منهاج، م.ب.1388.مبانی شبکه های عصبی، جلد اول.انتشارات دانشگاه صنعتی امیر ...
  • Bouma, J. and J.A.J, Van Lanen.1987. Transfer functions and threshold ...
  • Kumar, M. N. , Raghuwanshi S., Singh R., Wallender W.W.and ...
  • Licznar, P. and N.A.Nearing .2003.Artificil neural networks for soil erosion ...
  • Minasny , B. , Hopman J. W., Harter T., Eching ...
  • Mohammadi. J.2002. Testing an artificial neural network for predicting soil ...
  • Pachepsky, y.A . , Timilin D., and G. Varallyay. 1996. ...
  • Persson, M., Sivakumar B.. Berndtsson R., Jacobsen O.H., and P. ...
  • Rosa, D., Mayol F.. Moreno, J.A., Bonson T., and S. ...
  • Schaap , M .G and Bouten W _ 1996. Modeling ...
  • Schaap, M. G., and F. J. Leij. 1998. Using neural ...
  • Zibicincski, I. , Strumillo P. and W.Kaminski .1996. Hybrid neural ...
  • نمایش کامل مراجع