بسط توابع انتقالی با دو روش رگرسیونی و شبکه عصبی برای برآورد ظرفیت زراعی و نقطه پژمردگی دایم در شهرستان شاهرود

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 973

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AHCONF01_049

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

آگاهی از گنجایش زراعی و نقطه پژمردگی دایم، برای مطالعات آبیاری در مزرعه بسیار مهم و ضروری میباشد اما اندازهگیری آنها به روش مستقیم بسیار پرهزینه و وقتگیر است. توابع انتقالی میتواند روش مناسبی برای تخمین این پارامترها باشد. تحقیق حاضر به برآورد نقاط مهم رطوبتی شامل ظرفیت زراعی و نقطه پژمردگی دایم بهوسیله پارامترهای زودیافت شامل درصد (رس، شن و سیلت) چگالی ظاهری و مواد آلی با دو روش شبکه عصبی و رگرسیون خطی چندمتغیره در شاهرود پرداخته است. دادههای مورد استفاده از مرکز تحقیقات خاک شاهرود گرفته شده است. پس از مرتبسازی دادههای مورد نظر جدول ضریب همبستگی متغیرهای ورودیاحتمالی با خروجیهای مورد نظر تشکیل شد و معنیداری همبستگی متغیرهای ورودی و خروجی از نظر آماری بررسیگردید. پس از نرمالسازی دادهها، مدلسازی با دو روش شبکه عصبی و رگرسیونی انجام و نتایج مورد ارزیابی قرار گرفت. نتایج نشان داد که شبکه -2 های عصبی مصنوعی کارایی بهتری نسبت به روش سنتی رگرسیون خطی چندمتغیره دارد. مقادیر در MSD و NRMSE ،Rبهترین مدلها برای شبکه عصبی و رگرسیون به ترتیب برابر 72/0 ، 36/14 ، 48/3 و 50/0 ، 67/18 ، 53/4 برای ظرفیت زراعی و 2/73 ، 25/63 ، 0/45 و 1/90 ، 17/91 ، 0/75 .برای نقطه پژمردگی دایم بدست آمده است.

نویسندگان

امید نوروزی انگنایی

دانش آموخته کارشناسی ارشد مهندسیآب دانشگاه زابل، ایران

محبوبه کریمی

دانشجوی کارشناسی ارشد خاک دانشگاه شاهرود، ایران

محمدجواد خلفی

دانشجوی کارشناسی ارشد آبخیزداری دانشگاه زابل، ایران

اقبال قادری گهر

دانش آموخته کارشناسی ارشد مهندسی آب دانشگاه زابل، ایران

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 :
  • اسدی، ل. هزارجریبی، ا. قربانی، خ. ذاکری نیا، م و ...
  • شیرانی، ح. برآورد برخی از نقاط منحنی مشخصه رطوبتی خاک ...
  • I3] جعفری گیلانده، ص. خداوردیلو، ح و رسول‌زاده، ع. کاربرد ...
  • Blake, R. and Hartage, K. H. Bulk density. In Methods ...
  • Baker, L. and Ellison, D. Optimisation of pedotransfer functions using ...
  • Botula, Y. D. Nemes, A. Mafuka, P. Van Ranst, E. ...
  • Cassel, D. K. and Nielsen, D. R. Field capacity and ...
  • Gee, G. W. and Bauder, J. W. Particle-size analysis, hydrometer ...
  • Koekkoek, E. . _ and Booltink, H. Neural network models ...
  • Minasny, B. and McBratney, A. B. The Neuro-m method for ...
  • Nguyen, P.M., De Pue, J. Van, K. L. and Cornelis, ...
  • Nemes, A. Schaap, M. G. and Wo sten, J. H. ...
  • Schaap, M. G. and Leij, F. J. Using neural networks ...
  • Ungaro, F., Calzolari, C. and Busoni, E. Development of pedotransfer ...
  • USDA-NRCS Soil Survey Laboratory Methods Manual. Soil Survey Investigations Report, ...
  • Zhang, Y. X. Artificial neural networks based on principal component ...
  • Guang-ming Z, Hong-wei L, Xiang-can J, XU M. Assessment of ...
  • نمایش کامل مراجع