مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,600
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

657
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی

صفحات

 صفحه شروع 804 | صفحه پایان 814

چکیده

 ظرفیت زراعی و پژمردگی دائم مهمترین نقاط پتانسیلی در مدل سازی و مدیریت آب مورد نیاز محصولات کشاورزی می باشند. روش های مستقیم تعیین میزان رطوبت هزینه بر و گران می باشد. بنابراین استفاده از توابع انتقالی برای تبدیل خصوصیات زودیافت خاک به خصوصیات هیدرولیکی یک راهکار مناسب برای حل این مشکل است. در این پژوهش کارایی مدل های شبکه عصبی مصنوعی (NNs) آموزش داده شده با نمونه های خاک منتج از جریان خروجی چند مرحله ای (NeuroMultistep outflow) و مدل های نزدیک ترین K همسایه (KNN) در اشتقاق توابع انتقالی به منظور تعیین میزان رطوبت در ظرفیت زراعی و پژمردگی دایم برای 122 نمونه خاک از شمال و شمال شرق ایران مورد بررسی قرار گرفت. همچنین تاثیر عوامل ورودی مختلف و نوع داده به کار رفته برای اشتقاق هر دو روش معین شد. نتایج حاصله نشان دادند که در کل روش  (RMSE=0.027) KNNنسبت به (RMSE=0.037) NNs نتایج بهتری داشت. همچنین می توان گفت که حساسیت مدل های شبکه عصبی به کیفیت و نوع داده های به کار رفته برای آموزش بسیار بالاست و همگن نبودن داده ها باعث کاهش کارایی مدل های شبکه عصبی و افزایش 100 درصدی خطا می شود. همچنین نتایج نشان دادند که در نظر گرفتن خصوصیات هیدرولیکی به عنوان متغیرهای ورودی در شبکه عصبی باعث ارتقا نتایج مدل سازی می شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    حق وردی، امیر، قهرمان، بیژن، خشنودیزدی، علی اصغر، و عربی، زهرا. (1389). برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی. آب و خاک (علوم و صنایع کشاورزی)، 24(4)، 804-814. SID. https://sid.ir/paper/141933/fa

    Vancouver: کپی

    حق وردی امیر، قهرمان بیژن، خشنودیزدی علی اصغر، عربی زهرا. برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی. آب و خاک (علوم و صنایع کشاورزی)[Internet]. 1389؛24(4):804-814. Available from: https://sid.ir/paper/141933/fa

    IEEE: کپی

    امیر حق وردی، بیژن قهرمان، علی اصغر خشنودیزدی، و زهرا عربی، “برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی،” آب و خاک (علوم و صنایع کشاورزی)، vol. 24، no. 4، pp. 804–814، 1389، [Online]. Available: https://sid.ir/paper/141933/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button