کاربرد شبکه عصبی پروسپترون چند لایه در شبیه سازی دمای خاک
- سال انتشار: 1395
- محل انتشار: کنفرانس بین المللی پیامدهای جغرافیایی و اثرات زیست محیطی شرایط دریاچه ارومیه
- کد COI اختصاصی: ICULC01_087
- زبان مقاله: فارسی
- تعداد مشاهده: 400
نویسندگان
دانشجوی کارشناسی ارشد فیزیک و حفاظت خاک، دانشگاه تبریز
دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تبریز
استادیار گروه علوم و مهندسی خاک دانشگاه تبریز
چکیده
گونه های مختلف گیاهی به دماهای متفاوتی نیازمندند و باردهی آن ها در محدوده معینی از درجه حرارت به بیش ترین مقدار می رسد. از طرفی در هر لحظه گرمای خاک ازافقی به افق دیگر متفاوت بوده و در طول روز، ماه و سال نوسان می کند. دمای سطح و ژرفای خاک به صورت پیوسته اندازه گیری نمی شوند. از اینرو میتوان رابطه ای بین دما ی خاک و خصوصیات اقلیمی یک منطقه برقرار نمود. در این میان مدل های هوشمند نقش موثری میتوانند داشته باشند. در این پژوهش به منظور شبیه سازی دمای اعماق مختلف خاک در ایستگاه تبریز واقع در استان آذربایجان شرقی از مدل شبکه عصبی MLP در دوره آماری 85-1378 استفاده گردید. از سه معیار عددی جذر میانگین مربعات خطا (RMSE ، (معیار نش- ساتکلیف (E (و خطای مطلق میانگین (MAE (به منظور ارزیابی دقت استفاده شد. از بین ساختارهای مختلف شبکه عصبی، آرایش 1-4-4 با چهار ورودی اعماق 5 ،10 ، 50 و 100 سانتی متری بیشترین دقت را داشت.کلیدواژه ها
دمای خاک ، شبکه عصبی مصنوعی ، مدیریت منابع آب و خاکمقالات مرتبط جدید
- حکمرانی دریایی ایران به عنوان یک سیستم پیچیده: تحلیل جغرافیای سیاسی با رویکرد هوش مصنوعی و هوش مکانی
- تبیین سناریوهای آینده تقسیمات استان تهران
- آسیبشناسی حمل و نقل و مدیریت ترافیک در شهرداری های نوظهور ایران
- معایب و مشکلات برنامهریزی و سیاست گذاری حوزه فرهنگ شهری در ایران
- سیاست گذاری بهینه در حوزه ترافیک شهری با استفاده از تکنولوژی های هوش مصنوعی
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.