مقایسه عملکرد شبکه های عصبی مصنوعی RBF تحلیل رگرسیون در برآورد میزان ترسیب کربن خاک

  • سال انتشار: 1393
  • محل انتشار: چهارمین کنفرانس بین المللی چالش های زیست محیطی و گاهشناسی درختی
  • کد COI اختصاصی: ISCCDCE04_002
  • زبان مقاله: فارسی
  • تعداد مشاهده: 498
دانلود فایل این مقاله

نویسندگان

فاطمه چشم براه

دانشجوی کارشناسی ارشد مدیریت مناطق بیابانی، دانشگاه یزد

قاسم علی پاراد

دانشجو دکتری جنگلداری، دانشگاه تربیت مدرس

چکیده

کربن آلی به دلیل سهم مهم در چرخه غذایی خاک یکی از عناصر مهم حساس پذیر خاک در قبال عوامل مدیریتی بوده و نقش قابل توجهی در کیفیت خاک اکوسیستم های جنگلی دارد. در این تحقیق جهت برآورد دقیق ترسیب کربن خاک از مدل های شبکه عصبی مصنوعی RBF و رگرسیون چند متغیره استفاده شد. جهت انجام تحقیق، 60 نمونه خاک از عمق 15- 0 سانتیمتری در گرادیان ارتفاعی جنگل دانشکده منابع طبیعی دانشگاه تربیت مدرس، برداشت شد. خصوصیات خاک (رس، سیلت، شن، کربن آلی، هدایت الکتریکی و رطوبت خاک) اندازه گیری شد. نتایج کلی این مطالعه نشان داد که ترسیب کربن در منطقه از ویژگی های فیزیکی و شیمیایی خاک تاثیر زیادی گرفته است. همچنین بر اساس معیارهای ضریب تشخیص R2، مجذور میانگین مربعات خطا (RMSE) و ضریب تغییرات مجذور میانگین مربعات خطا (CV(RMSE)، مدل شبکه عصبی RBF برآورد بهتری از تحلیل رگرسیونی داشته است.

کلیدواژه ها

خصوصیات خاک، کربن آلی، شبکه عصبی، ترسیب کربن خاک

مقالات مرتبط جدید

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.