ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ESTIMATION OF SOIL DTPA-EXTRACTABLE ZINC USING ARTIFICIAL NEURAL NETWORKS

سال انتشار: 1392
کد COI مقاله: NIAC01_317
زبان مقاله: انگلیسیمشاهد این مقاله: 410
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

خرید و دانلود فایل مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.

مشخصات نویسندگان مقاله ESTIMATION OF SOIL DTPA-EXTRACTABLE ZINC USING ARTIFICIAL NEURAL NETWORKS

m berenjkoub - Department of Soil science, Faculty of Agriculture, Islamic Azad University- Khorasgan branch, Iran
m Hoodaji - Department of Soil science, Faculty of Agriculture, Islamic Azad University- Khorasgan branch, Iran
m Afyuni - Department of Soil science, Faculty of Agriculture, Islamic Azad University- Khorasgan branch, Iran

چکیده مقاله:

The utilisation and management of natural soil resources require regional and local planning supported by information on the physicochemical characteristics of different soil types(M.Alvarez and et.al, 2006). The distribution of metals among soil components is important for assessing the soils potential to supply sufficient micronutrients for the growth of plant and to retain toxic quantities of heavy metals. The degree of metal association with different geochemical phases strongly depends upon the physico-chemical conditions of the soils, basically pH, %CaCO3, cation-exchange capacity (CEC), nutrient status (competitive species in soil solution), organic matter content (OM) and texture (Kabata-Pendias,2001). The development of models simulating soil processes has increased rapidly in recent years. These models have been developed to improve the understanding of important soil processes and also to act as tools for evaluating agricultural and environmental problems. Consequently, simulation models are now regularly used in research and management(Minancy,2002). This study was conducted to develop predictive models to estimate the DTPA-extractable zinc concentration.MATERIALS AND METHODS soil samples were collected from 150 randomly selected cereal fields in the three provinces: Isfahan, Fars and Qom (from 50° 21′ to 53° 4′ E longitude and 28 °51 ′to 35 ° 6′ N latitude). Soil samples were taken from 0-20cm. The soils were analyzed for physico-chemical properties including pH, EC, %CaCO3, soil texture, organic matter, available phosphorus, total nitrogen, and concentration of total and available zinc. These soil variables were used as model inputs. Then, multiple linear regression and neural network model (fittingnet back-propagation network) were employed to develop a model for prediction of DTPA-extractable zinc concentration. Regression and neural networks analyses were done by means of the spss18 and Matlab8 software, respectively. The performances of the developed models were evaluated using various standard statistical performance evaluation criteria. The statistical measures were included the root mean square error (RMSE), model efficiency factor (MEF), mean absolute error (MAE), and correlation coefficient (R) between the measured and predicted DTPA-extractable zinc concentration values.RESULTS AND DISCUSSION The root mean square error(RMSE), mean absolute error (MAE), model efficiency factor (MEF) and correlation coefficient (R) between the measured and the estimated values using the ANN model were 0.025, 0.001, 0.88 and 0.94, respectively. Comparisons were made based on EF and correlation coefficient (R) between the measured and predicted values. In MLR analysis, the EF was -1.38 and a lower correlation coefficient of 0.38 was obtained in comparison with the ANN model. The performance comparison showed that ANN model have greater potential in predicting DTPA-extractable zinc concentration from soil characteristics, whereas linear regression methods did not perform well.

کلیدواژه ها:

DTPA-extractable zinc concentration, Artificial neural networks , Regression

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/340439/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
berenjkoub, m and Hoodaji, m and Afyuni, m,1392,ESTIMATION OF SOIL DTPA-EXTRACTABLE ZINC USING ARTIFICIAL NEURAL NETWORKS,اولین کنفرانس بین المللی ایده های نو در کشاورزی,اصفهان,,,https://civilica.com/doc/340439

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392, berenjkoub, m؛ m Hoodaji and m Afyuni)
برای بار دوم به بعد: (1392, berenjkoub؛ Hoodaji and Afyuni)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 9,701
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی