توانمندی روشهای داده کاوی (k-nn) در تخمین غیرپارامتریک جرم ویژه حقیقی خاک

در این پژوهش نوعی از الگوریتم های غیرپارامتریک از نوع یادگیرنده های تنبل موسوم به k- نزدیکترین همسایه، برای تخمین جرم ویژه حقیقی خاک با استفاده از دیگر ویژگیهای کمکی آن شامل توزیع اندازه ذرات خاک، EC, pH، درصد اشباع خاک، درصد کربن آلی خاک و مقدار آهک بکار گرفته شد. استفاده از پارامترهای آماری مختلف نشان داد که در اکثر موارد این تکنیک بصورت قابل قبولی توانمند می باشد. بر ایناساس، می توان نتیجه گیری کرد که استفاده از این تکنیک به عنوان روشی جایگزین برای اشتقاق توابع انتقالی خاک، بویژه زمانی که فراهمی داده های جدید؛ نیاز به اشتقاق مجدد این توابع را الزام آور می کند، می تواند بکار رود.

کلیدواژه های توانمندی روشهای داده کاوی (k-nn) در تخمین غیرپارامتریک جرم ویژه حقیقی خاک:

تخمین ، جرم ویژه حقیقی ، ویژگیهای کمکی ، k- نزدیکترین همسایه