ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مقایسه روش های شبکه عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی به منظور پیش بینی کربن ترسیب شده در خاک مراتع

سال انتشار: 1396
کد COI مقاله: AETCONF05_003
زبان مقاله: فارسیمشاهده این مقاله: 270
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه روش های شبکه عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی به منظور پیش بینی کربن ترسیب شده در خاک مراتع

کامران بختیارزاده - گروه مهندسی محیط زیست، موسسه آموزش عالی صبا ارومیه
بهنام بهرامی - گروه مهندسی محیط زیست، موسسه آموزش عالی صبا ارومیه
ابوالحسن فجری - گروه مهندسی محیط زیست، موسسه آموزش عالی صبا ارومیه

چکیده مقاله:

تغییر اقلیم یکی از مهمترین چالشها در توسعه پایدار میباشد که اثرات بسیار زیانباری بر محیط زیست و حیات انسان بر روی کره زمین دارد. ترسیب کربن خاک اهمیت زیادی در کاهش تغییرات اقلیمی دارد. ترسیب کربن خاک می تواند از جایگزینی داده های زودیافتی مانند بافت خاک و چگالی ظاهری با استفاده از توابع انتقالی به دست آید. شبکه های عصبی و رگرسیون آماری از جمله روش هایی هستند که برای تخمین توابع انتقالی خاک استفاده می شوند. هدف از این مطالعه مقایسه مدل رگرسیون چند متغیره، شبکه عصبی تطبیقی-فازی و شبکه عصبی مصنوعی در برآورد ترسیب کربن به کمک ویژگی های زودیافت خاک می باشد. منطقه مورد مطالعه با وسعت نزدیک به 2000 هکتار در حوزه آبخیز آقچه کند اردبیل با کاربری مرتع انتخاب و نمونه برداری از 60 نقطه از عمق 0-15 سانتی متری انجام شد. میزان ترسیب کربن و ویژگی های زودیافت خاک (درصد رس، هدایت اکتریکی، اسیدیته، وزن مخصوص ظاهری، درصد رطوبت اشباع، درصد نیتروژن و نسبت کربن به نیتروژن) آنالیز و محاسبه شد. در نهایت مدل رگرسیون چندمتغیره، شبکه عصبی مصنوعی و شبکه عصبی تطبیقی-فازی بین این ویژگی ها و ترسیب کربن خاک، برقرار و سپس به وسیله ی نقاط اضافی نمونه برداری شده 15) درصد از مجموع داده ها)، مدل های بدست آمده اعتبارسنجی شدند. نتایج مطالعه نشان داد که مدل رگرسیونی توانست 67 درصد از تغییرات مکانی ترسیب کربن خاک و مدل شبکه عصبی مصنوعی حدود 96 درصد از تغییرات و مدل شبکه عصبی تطبیقی-فازی 98 درصد از تغییرات را در منطقه مورد مطالعه توجیه نماید. نتایج رگرسیون گام به گام نیز نشان داد که نسبت کربن به نیتروژن، نیتروژن، درصد رطوبت اشباع، وزن مخصوص ظاهری و اسیدیته از عوامل تاثیرگذار بر ترسیب کربن خاک بودند و سایر ویژگی های زودیافت خاک تاثیر معنی داری بر ترسیب کربن خاک نداشتند. نتایج کلی این مطالعه نشان داد که ترسیب کربن خاک در منطقه از ویژگی های زودیافت خاک تاثیر زیادی گرفته است. همچنین بر اساس معیارهای مجذور میانگین مربعات خطا و ضریب کارایی که در مدل رگرسیونی به ترتیب 0/23 و 0/48 و در مدل شبکه عصبی مصنوعی به ترتیب 0/06 و 0/95 و در مدل شبکه عصبی تطبیقی-فازی به ترتیب 0/04 و 0/97 می باشند، مدل شبکه عصبی تطبیقی فازی (ANFIS) به عنوان ابزار قدرتمندتری در پیش بینی ترسیب کربن خاک نسبت به آنالیز رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی عمل می کند.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا AETCONF05_003 میباشد و 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/695132/

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:
بختیارزاده، کامران و بهرامی، بهنام و فجری، ابوالحسن،1396،مقایسه روش های شبکه عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی به منظور پیش بینی کربن ترسیب شده در خاک مراتع،پنجمین کنفرانس بین المللی ایده های نوین در کشاورزی، محیط زیست و گردشگری،تهران،https://civilica.com/doc/695132

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: (1396، بختیارزاده، کامران؛ بهنام بهرامی و ابوالحسن فجری)
برای بار دوم به بعد: (1396، بختیارزاده؛ بهرامی و فجری)
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
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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: موسسه غیرانتفاعی
تعداد مقالات: 140
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 پیشنهادی مرتبط

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