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

COMPARISION OF NEUTRAL NETWORK WITH LINEAR REGRESSION IN PREDICTING SOIL SALINITY BY RS DATA

سال انتشار: 1392
کد COI مقاله: NIAC01_343
زبان مقاله: انگلیسیمشاهد این مقاله: 447
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 COMPARISION OF NEUTRAL NETWORK WITH LINEAR REGRESSION IN PREDICTING SOIL SALINITY BY RS DATA

Naser Honarjoo - Soil Science Department, Agriculture Faculty, Islamic Azad University, Isfahan (Khorasgan Branch)
Hamid Reza Ziaee - Soil Science Department, Agriculture Faculty, Islamic Azad University, Isfahan (Khorasgan Branch)

چکیده مقاله:

Surface soil EC can be proposed as a useful dynamic factor for soil agriculture. The studied area is located in east of Isfahan city between 32˚ 26´ 6˝and 32˚ 43´ 13˝northern latitudes and 51˚ 42´ 48˝ and 52˚ 42´ 29˝ eastern longitudes. The area is located at the lowest part of Zayandehrood basin that reach to Gavkhoonee playa.The ground water table varies from 1 to 10 meter in the region. Salinity has developed from natural causes such as topographic, climatic and hydrologic factors, as well as human activities, such as irrigation mismanagement. Playa of Gavkhooni occupy the lowest parts of the basin, have concave topography and are composed of clay and salt solutions. In this study, the predictive capabilities of artificial neural networks (ANNs) through multilayer perceptron (MLP) with Back-Propagation (BP) learning rule (Haykin, 1994) and feed-forward back-propagating ANN structure in comparison with Multiple Linear Regression (MLR) methods was used to develop EC of the soils (Kaul et al., 2005) from bands 1, 2, 3, 4, 5, 5, 6-1, 7, PC1, NDVI and P3/P4 of ETM+ images of may 2002. The selected area of about 2000 ha was sampled most randomly in the bare lands and nonagricultural soils. 110 soil samples (0-10 cm) were collected on March and April 2009 and from them, 25 samples were set apart for evaluating of accuracy. Some soil chemical properties including EC were determined. The results showed that the ANN model was more feasible in predicting the soil EC than the MLR model. Coefficient of determination (R2), root mean square error (RMSE), and mean estimation error (MEA) were determined for both two mentioned methods. R2 was 0.22 for MLR, but about 0.75 for ANN model. In MLR analysis, the RMSE was 49.47 and in ANN it was 0.05. The magnitudes of MAE were 0.90 and .008 for MLR and ANN medels respectively. Furthermore, the ANN models was more accurate in predicting the soil EC as compared to the conventional regression model.

کلیدواژه ها:

ETM+ data; MLR; ANNs; EC

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/340464/

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:
Honarjoo, Naser and Ziaee, Hamid Reza,1392,COMPARISION OF NEUTRAL NETWORK WITH LINEAR REGRESSION IN PREDICTING SOIL SALINITY BY RS DATA,اولین کنفرانس بین المللی ایده های نو در کشاورزی,اصفهان,,,https://civilica.com/doc/340464

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, Honarjoo, Naser؛ Hamid Reza Ziaee)
برای بار دوم به بعد: (1392, Honarjoo؛ Ziaee)
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: 9,687
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