برآورد دامنه رطوبتی خاک با حداقل محدودیت (LLWR) با استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 181

فایل این مقاله در 14 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:

JR_STGC-12-3_007

تاریخ نمایه سازی: 8 دی 1400

چکیده مقاله:

برآورد سریع و صحیح آب فراهم خاک به عنوان یکی از مهم ترین شاخص های کیفیت خاک نقش اساسی در مدیریت منابع آب کشاورزی دارد. در پژوهش حاضر با استفاده از روش هوش مصنوعی (ترکیب شبکه عصبی و الگوریتم ژنتیک) و بهره گیری از ویژگی های زود یافت خاک، مقدار دامنه رطوبتی با حداقل محدودیت (LLWR) در ۲۵۰ نمونه خاک برداشت شده از دشت خان میرزا در استان چهارمحال و بختیاری برآورد شد. در این مدل ها، ۹ متغیر شامل درصد شن، سیلت، رس، درصد کربن آلی، چگالی ظاهری (BD)، چگالی حقیقی (PD)، pH، رسانایی الکتریکی (EC) و کربنات کلسیم معادل (CCE)، به عنوان پارامترهای ورودی و مقدار LLWR به عنوان تابع خروجی در نظر گرفته شده است. از تعداد کل ۲۵۰ داده، ۲۰۰ عدد برای آموزش و ۵۰ داده برای آزمون مدل استفاده شد. بررسی نتایج شاخص های آماری نشان داد که شبکه عصبی به خوبی قادر به برآورد LLWR با ضریب تبیین ۰/۹۳ است. در نهایت مشخص شد که مدل تلفیقی شبکه عصبی مصنوعی-الگوریتم ژنتیک با بیش ترین ضریب تبیین (۰/۹۶ = R۲) برای برآورد LLWR مناسب ترین مدل است. به طور کلی دو مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک نسبت به معادلات رگرسیونی کارایی مناسب تری برای برآورد LLWR را نشان دادند.

کلیدواژه ها:

Artificial neural network ، Least limiting water range (LLWR) ، Readily available soil properties ، Khanmirza plain. ، شبکه عصبی مصنوعی ، دامنه رطوبتی با حداقل محدودیت (LLWR) ، ویژگی های زودیافت خاک ، دشت خان میرزا

نویسندگان

ریحانه سلیمانی

Department of Soil Science, Collage of Agriculture, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran.

الهام چاوشی

Department of Soil Science, Collage of Agriculture, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran.

حسین شیرانی

Department of Soil Science, Collage of Agriculture, Vali-e-Asr University of Rafsanjan, Kerman, Iran.

عیسی اسفندیارپور بروجنی

Department of Soil Science, Collage of Agriculture, Vali-e-Asr University of Rafsanjan, Kerman, Iran.

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 :
  • Annabi, M., Houot, S., Francou, C., Poitrenaud, M., Bissonnais, Y., ...
  • Asghari Moghaddam, A., Norani, V., Kord, M., ۲۰۰۸. Estimation of ...
  • Bayat, H., Heydari, L., Ebrahimzadeh, G., ۲۰۱۷. Evaluation of the ...
  • Bazoobandi, A., Emamgholizadeh, S., Ghorbani, H., ۲۰۱۹. Estimating the amount ...
  • Bengough, A.G., Campbell, D.J., O’Sullivan, M.F., ۲۰۰۱. Penetrometer techniques in ...
  • Besalatpour, A., Hajabbasi, M.A., Ayoubi, S., Afyuni, M., Jalalian, A., ...
  • Beutler, A.N., Centurion, J.F., Da Silva A.P., Da Cruz Centurion, ...
  • Bouyoucos, G.J., ۱۹۶۲. Hydrometer method improved for making particle size ...
  • Busscher, W., ۱۹۹۰. Adjustment of flat-tipped penetrometer resistance data to ...
  • Clement, C., ۱۹۶۶. A simple and reliable tension table. European ...
  • da Silva, A.P., Kay, B.D., ۱۹۹۷. Estimating the least limiting ...
  • da Silva, A.P., Kay, B.D., Perfect, E., ۱۹۹۴. Characterization of ...
  • Hasani, Z., Mirabbasi Najafabadi, R., Ghasemi, A.R., ۲۰۱۸. Prediction of ...
  • Karamouz, M., Araghinejad, S., ۲۰۰۵. Advanced Hydrology. Second ed., Amirkabir ...
  • Kazemi, Z., Neyshabouri, M.R., Bayat, H., Oustan, S., Moghaddam, M., ...
  • Klute, A., ۱۹۸۶. Water retention: laboratory methods. In: Klute, A. ...
  • Menhaj, M.B., ۱۹۹۸. Fundamental of Artificial Neural Networks. Second ed., ...
  • Nemes, A., Rawls, W.J., Pachepsky, Y.A., ۲۰۰۵. Influence of organic ...
  • Nosrati, A., Mahboubi, A., Mosaddeghi, M.R., ۲۰۰۷. Determining the least ...
  • Pansu, M., Gautheyrou, J., ۲۰۰۶. Handbook of Soil Analysis: Mineralogical, ...
  • Parvareshrizi, A., Kouchakzadeh, S., Omid, M.H., ۲۰۰۶. Estimating moving hydraulic ...
  • Pierson, F.B., Mulla, D.J., ۱۹۸۹. An improved method for measuring ...
  • Reynolds, W.D., Drury, C.F., Yang, X.M., Fox, C.A., Tan, C.S., ...
  • Schaap, M.G., Leij, F.J., van Genuchten, M.T., ۱۹۹۸. Neural network ...
  • Sedaghat, A., Bayat, H., Sinegani, A.A.S., ۲۰۱۶. Estimation of soil ...
  • Servati, M., Momtaz, H., ۲۰۱۷. Firefly algorithm and genetic algorithm ...
  • Shirani, H., ۲۰۱۲. Prediction of FC and PWP using neural ...
  • Walkley, A., Black, I.A., ۱۹۳۴. An examination of the Degtjareff ...
  • Zarehaghi, D., Neyshabouri, M.R., Gorji, M., Monirifar, H., Shorafa, M., ...
  • (in Persian with English abstract) ...
  • نمایش کامل مراجع