مقایسه عملکرد روش های یادگیری ماشین در برآورد نقاط ظرفیت زراعی و پژمردگی دائم گیاه
- سال انتشار: 1401
- محل انتشار: اولین همایش بین المللی و دومین همایش ملی مدل سازی و فناوری های جدید در مدیریت آب
- کد COI اختصاصی: MIWM02_142
- زبان مقاله: فارسی
- تعداد مشاهده: 237
نویسندگان
دانشیار گروه مهندسی طبیعت، دانشکده کشاورزی شیروان، دانشگاه بجنورد، ایران.
دکتری فیزیک و حفاظت خاک (دانش آموخته دانشگاه شهید باهنر کرمان،کرمان، ایران)
چکیده
ظرفیت زراعی و نقطه پژمردگی دائم دو پارامتر هیدرولیکی مرتبط با خاک هستند که نقش موثری در تعیین آب قابل دسترس گیاه دارند. از این رو، در این مطالعه از خاک های استان خوزستان براساس روش نمونه برداری تصادفی، ۲۰۷ نقطه انتخاب و نمونه برداری صورت گرفت. ویژگی های زودیافت خاک نظیر توزیع اندزه ذرات، درصد کربن آلی، کربنات کلسیم خاک، جرم مخصوص ظاهری و تخلخل کل خاک و همچنین مقدار ظرفیت زراعی و پژمردگی دائمی خاک اندازه گیری شد. ۸۰ درصد داده ها به عنوان داده آموزشی و ۲۰ درصد داده ها به عنوان داده آزمایشی انتخاب شدند. براساس داده های زود یافت، ۵ تابع انتقالی با استفاده از روش درخت تصمیم، ماشین بردار و -kنزدیک ترین همسایه ارائه گردید. نتایج آماری نشان داد که از بین ویژگی های فیزیکی، تخلخل کل خاک و از ویژگی های شیمیایی خاک، درصد مواد آلی خاک نقشی موثر در برآورد هر دو نقطه هیدرولیکی مورد اشاره دارند. همچنین در آخرین تابع انتقالی، روش SVM با R۲=۰.۹۹۹۴ و RMSE=۰.۰۰۳۵ در مرحله آموزش و R۲=۰.۹۹۹۸ و RMSE=۰.۰۰۵۱ آزمایش عملکرد بالای در برآورد ظرفیت زراعی خاک نشان داد. روش KNN نیز با R۲=۰.۹۹۸۸ و RMSE=۰.۰۰۱۹ در مرحله آموزش و با R۲=۰.۹۹۹۲ و RMSE=۰.۰۰۳۶ در مرحله آزمایش بهتر توانستند روند تغییرات پژمردگی دائمی خاک را برآورد نمایند. با توجه به نتایج حاصل از مطالعه هر ۵ تابع انتقالی، می توان بیان نمود که دو روش SVM و KNN قابلیت لازم برای بررسی روند تغییرات این دو نقطه هیدرولیکی با ماهیت غیرخطی را دارند. بنابراین روش های یادگیری ماشین ابزاری کاربردی برای برآورد پارامترهای هیدرولیکی خاک تحت شرایط مدیریتی مختلف دارند.کلیدواژه ها
پارامتر هیدرولیکی خاک، ماشین بردار، -kنزدیک ترین همسایهمقالات مرتبط جدید
- عوامل تاثیرگذار بر خرید ناگهانی و راهکارهای افزایش آن در خرده فروشی
- نقش رسانه های اجتماعی بر صادرات بخش خصوصی
- الگوریتم ژنتیک یکپارچه و رویکردیادگیری عمیق برای تشخیص و طبقه بندی موثر حملات سایبری در محیط های صنعتی اینترنت اشیا (IIoT)
- بررسی فرآیند مدیریت دانش در رابطه با هم افزایی هوش مصنوعی و اینترنت اشیا و تاثیرگذاری این رابطه بر مدیریت دانش
- تاثیر مدیریت آموزشی بر خلاقیت دانش آموزان در محیط های یادگیری مجازی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.