کاربرد مدل شبکه عصبی مصنوعی در تخمین کلاس تناسب اراضی
- سال انتشار: 1392
- محل انتشار: ششمین همایش ملی آبخیز داری و مدیریت منابع آب و خاک
- کد COI اختصاصی: NCWMSWRM06_100
- زبان مقاله: فارسی
- تعداد مشاهده: 711
نویسندگان
استادیار گروه علوم خاک، دانشکده کشاورزی، دانشگاه گیلان، رشت، ایرا
دانش آموخته کارشناسی ارشد هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران
چکیده
در دهههای اخیر مدل شبکه عصبی مصنوعی ANN کاربرد گستردهای در علوم زیست محیطی و کشاورزی از جمله ارزیابی تناسب اراضی به خود اختصاص داده است که در پی الگوسازی روابط بین خصوصیات اراضی و میزان تولید محصول میباشد. در پژوهش حاضر از مدل شبکه عصبی پرسپترون چند لایه )MLP با الگوریتم پس انتشار خطا به منظور پیشبینی کلاس تناسب کیفی بخشی از اراضی منطقه نوشآباد کاشان برای کشت یونجه آبی استفاده شده است. اطلاعات مربوط به نیازهای خاکی و اقلیمی به عنوان ورودی و کلاس تناسب کیفی به عنوان خروجی مدل لحاظ شدهاند. همچنین از مدل فائو جهت مقایسه و سنجش توانایی شبکه عصبی استفاده گردید نتایج نشان داد که تکنیک شبکه عصبی با ضریب تبیین بیشتر(R2=0/78) و جذر میانگین مربعات خطای کمتر (RMS=0/036) نسبت به روش فائو، کارایی بیشتری جهت پیش بینی و برآورد کلاس تناسب کیفی اراضی دارد.کلیدواژه ها
شبکه عصبی مصنوعی، عملکرد یونجه، کاشان، مدل فائو، نیازهای خاکی و اقلیمیمقالات مرتبط جدید
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.