ارزیابی تابع های انتقالی رگرسیونی، ماشین بردار پشتیبان و برنامه ریزی بیان ژن در پیش بینی پارامترهای رطوبتی خاک در دشت ارسباران

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 122

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSS-27-2_009

تاریخ نمایه سازی: 1 مهر 1402

چکیده مقاله:

استفاده از تابع های انتقالی برای پیش بینی پارامترهای رطوبتی خاک به عنوان روش های علمی و در عین حال اقتصادی مورد تاکید و پژوهش پژوهشگران است. در این پژوهش، ظرفیت زراعی (FC) و نقطه پژمردگی دائم (PWP) خاک با استفاده از سه تابع انتقالی رگرسیونی (خطی و غیرخطی)، مدل ماشین بردار پشتیبان (SVM) و مدل برنامه ریزی بیان ژن (GEP) براساس سه شاخص ارزیابی عملکرد ضریب تعیین (R۲)، مجذور میانگین مربعات خطا (RMSE) و نسبت اختلاف توسعه یافته (DDR) در دشت ارسباران در شمال غرب ایران شبیه سازی شده است. پارامترهای مستقل شامل درصد رس (Cl)، درصد سیلت (Si)، درصد شن (Sa)، درصد مواد آلی (OC)، چگالی ظاهری (ρb) و چگالی حقیقی (ρs) خاک بودند که با استفاده از آزمون گاما، متغیرهای درصد Si، ρb و ρs برای پیش بینی پارامتر FC و متغیرهای ρb و ρs برای پیش بینی پارامتر PWP انتخاب شدند. نتیجه پژوهش نشان داد هر سه تابع انتقالی قادر به پیش بینی FC و PWP هستند اما مدل SVM دارای بهترین عملکرد در میان این سه گروه تابع انتقالی است به طوری که مقدار شاخص های (R۲، RMSE، DDRmax) در فرایندهای آموزش و آزمون برای پارامتر FC به ترتیب (۰/۹۹۰۸، ۰/۵۵۱۷، ۱۷/۵۰) و (۰/۹۷۸۵، ۰/۷۰۰۴، ۱۱/۶۲) و برای پارامتر PWP به ترتیب (۰/۹۸۷۲، ۰/۵۷۶۴، ۲/۸۵) و (۰/۸۳۸۹، ۱/۱۸۷، ۳/۰۹) به دست آمدند.

نویسندگان

فریبرز احمدزاده کلیبر

Islamic Azad University,Tabriz Branch

مهدی فولادی پناه

Islamic Azad University,Ramhormoz Branch

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 :
  • Ahmadzadeh Kaleibar, F. ۲۰۲۲. Optimization of cultivated area based on ...
  • Andrade, F. H. N., C. D. G. Almeida, B. G. ...
  • Amir-Abedi, H., S. Asghari, T. Mesri Gandoshmin and F. Keivan ...
  • Besalatpour, A. A., S. Ayoubi and M. A. Hajabbasi. ۲۰۱۵. ...
  • Botula, Y. D., A. Nemes, P. Mafuka, E. Van Ranst ...
  • Bouma, J. ۱۹۸۹. Using soil survey data for quantitative land ...
  • Boroghani, M., S. Soltani, H. Fathabadi, N. Ghezelseflu and S. ...
  • Fan, R. E., P. H. Chen and C. J. Lin. ...
  • Fuladipanah, M., M. Majedi Asl and R. Jafari Nia. ۲۰۲۰. ...
  • Gill, K. M., T. Asefa, M. W. Kemblowski and M. ...
  • Gunarathna, M. H. J. P., K. Sakai, T. Nakandakari, K. ...
  • Gunarathna, M.H.J.P., K. Sakai, M.K.N. Kumari and M. Ranagalage. ۲۰۲۰. ...
  • Heidari, Z., M. Farasati and, R. Ghobadian. ۲۰۱۸. Applicability of ...
  • Jacob, K., D.T. Siza, I.K. Nganga and P. M. Boniface. ...
  • Kaihua, L., X. Shaohui, W. Jichun, Z. Qing and N. ...
  • Koolen, A. J. and H. Kuipers. ۱۹۸۳. Agricultural Soil Mechanics. ...
  • Moradizaded, M. and D. Akbari. ۲۰۱۹. Intelligent fuzzy-based feature selection ...
  • Nguyen, P. M., J. De Pue, K.L. Van and W. ...
  • Noori, R., A.R. Karbassi, A. Moghaddamnia, D. Han, M.H. Zokaei-Ashtiani, ...
  • Noori, R., A. Khakpour, B. Omidvar and A. Farokhnia. ۲۰۱۰. ...
  • Norouzi Engenayi, O., M. J. Khalafi Khotbsara and M. Karimi ...
  • Qiao, J., Y. Zhu, X. Jia, L. Huang and M. ...
  • Ranjbar, S. and M. Akhoondzadeh. ۲۰۲۰. Volumetric soil moisture estimation ...
  • Ungaro, F., C. Calzolari and E. Busoni. ۲۰۰۵. Development of ...
  • نمایش کامل مراجع