ارزیابی سامانه استنتاج فازی- عصبی تطبیقی و توابع انتقالی رگرسیونی در برآورد هدایت آبی اشباع خاک
محل انتشار: نشریه پژوهش های خاک، دوره: 35، شماره: 4
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 110
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AREO-35-4_006
تاریخ نمایه سازی: 30 بهمن 1400
چکیده مقاله:
اندازهگیری ویژگی های هیدرولیکی خاک مانند هدایت آبی اشباع خاک که از مهم ترین ویژگی های فیزیکی خاک می باشد. در این تحقیق از روش توابع انتقالی و سامانه استنتاج فازی بر پایه شبکه عصبی تطبیقی(ANFIS[۱]) برای برآورد هدایت آبی اشباع خاک از بافت خاک استفاده شده است. ورودیهای مدل شامل درصد رس, سیلت و شن خاک بود. برای ارزیابی عملکرد مدل از پارامترهای مجذور میانگین مربعات خطا (RMSE)، درصد خطای نسبی (ε)، میانگین خطای مطلق (MAE) و ضریب تبیین (R۲) استفاده شد که برای مدل (ANFIS) به ترتیب ۵۵۷/۰(میلی متر بر روز) ، ۶۲۷/۰(درصد)، ۸۴۴/۰(میلی متر بر روز) و ۹۹۷/۰ به دست آمد. همچنین دقت توابع انتقالی، به ترتیب از مدل فرر-جولیا و همکاران (۲۰۰۴)، رزتا، دنی و پوکت (۱۹۹۴)، کاسبای و همکاران (۱۹۸۴)، پوکت و همکاران (۱۹۸۵) و کمپل و شوزاوا (۱۹۹۴) کاهش یافت. از میان روش های توابع انتقالی روش فرر-جولیا و همکاران (۲۰۰۴) با (۸۹/۰R۲=) و خطای (میلی متر بر روز ۱/۲RMSE = ) از دقت بالاتری برخوردار بود. نتایج نشان داد سامانه استنتاج فازی- عصبی ANFIS نسبت به توابع انتقالی رگرسیونی از دقت بیشتری برخوردار می باشد. [۱]. Adaptive Neuro-Fuzzy Inference Systems
کلیدواژه ها:
نویسندگان
یاسر حسینی
دانشیاردانشکده کشاورزی و منابع طبیعی مغان- دانشگاه محقق اردبیلی
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 :