کاربرد شبکه عصبی مصنوعی در برآورد میزان اسیدیته در اراضی جنگلی(مطالعه موردی جنگل سراوان،استان گیلان)
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 576
فایل این مقاله در 12 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGROCONGRESS03_134
تاریخ نمایه سازی: 8 اردیبهشت 1396
چکیده مقاله:
در این تحقیق، میزان اسیدیته خاک، با استفاده از قابلیت های هوش مصنوعی در منطقه سراوان استان گیلان، تهیه و کارایی آن مورد بررسی قرار گرفت. بدین منظور ابتدا عوامل موثر در تولید اسیدیته در اراضی جنگلی؛ شامل میزان بارش، دمای متوسط و حداکثر سالانه، توپوگرافی و تیپ پوشش گیاهی بطور کمی بررسی شدند و سپس، با مطالعات میدانی و جمع آوری اطلاعات هواشناسی منطقه، نقشه توپوگرافی1:25000 و لایه های رقومی زمین مرجع عوامل موثر در تولید اسیدیته در محیط سیستم اطلاعات جغرافیایی با فرمت رستری تهیه گردید و با آنالیز همپوشانی آن ها، 123 واحد همگن تولید اسیدیته حاصل آمد. برداشت های صحرایی از عمق 20-0 سانتی متری خاک صورت گرفت و تمامی 123 نمونه خاک در آزمایشگاه مورد آزمایش قرار گرفتند. میزان اسیدیته به عنوان خروجی شبکه عصبی و عوامل موثر در آن، به عنوان ورودی های شبکه در نظر گرفته شد و از شبکه پرسپترون چند لایه (MLP) در محیط نرم افزار NeuroSolutions استفاده گردید. 70 درصد داده ها برای آموزش و 30 درصد برای تست یا اعتیاریابی شبکه بکار گرفته شدند. در مرحله ی مدلسازی و بهینه سازی شبکه، از روش آزمون و خطا، ساختار بهینه شبکه تعیین شد. نتایج آموزش و تست کارایی شبکه، دلالت بر کارایی شبکه عصبی مصنوعی با تابع انتقال Basic Axon، تکنیک یادگیری Momentumeدر برآورد میزان اسیدیته خاک دارد.
کلیدواژه ها:
نویسندگان
صاحبه نوروزی
دانشجوی کارشناسی ارشد دانشگاه گیلان
علی صالحی
دانشیار گروه جنگلداری دانشگاه گیلان
وحید غلامی
استادیار گروه مرتع و آبخیزداری دانشگاه گیلان
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 :