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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

478
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

523
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند

صفحات

 صفحه شروع 375 | صفحه پایان 391

کلیدواژه

MLPQ1
RBFQ2
مدل عصبی-فازی تطبیقی (ANFIS)Q1

چکیده

 ظرفیت تبادل کاتیونی (CEC) یکی از مهم ترین ویژگی های خاک در ارتباط با نگهداری مواد غذایی, آب در خاک و همچنین مدیریت آلودگی خاک می باشد. اندازه گیری CEC کاری دشوار و وقت گیر است, بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب می باشد. در این پژوهش با کمک مدل های هوشمند و با استفاده از خصوصیات فیزیکی و شیمیایی خاک مانند توزیع اندازه ذرات, کربن آلی, میزان رس, شن, فسفر, نیتروژن, pH و EC به پیش بینی CEC خاک پرداخته شد. سه مدل هوشمند شامل شبکه های عصبی مصنوعی از نوع MLP, شبکه های عصبی مصنوعی از نوع RBF و مدل عصبی-فازی تطبیقی (ANFIS) برای پیش بینی مورداستفاده قرار گرفت. 250 نمونه ی خاک جمع آوری شده به دودسته ی آموزش (80 درصد داده ها) و صحت سنجی (20 درصد داده ها) تقسیم شدند. دقت پیش بینی مدل مورداستفاده به وسیله شاخص های آماری مانند میانگین قدر مطلق خطا (MAE), ضریب تبیین (R2) و ریشه دوم میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفت. نتایج به دست آمده کارایی بالاتر مدل شبکه عصبی مصنوعی MLP را در مقایسه با دو مدل مذکور با مقادیر MAE, RMSE, R2 به ترتیب برابر با 79/1, 54/2 و 81/0 نشان داد. همچنین آنالیز حساسیت انجام شده بر روی داده های ورودی به مدل نشان داد کربن آلی بیشترین و pH کمترین همبستگی را با ظرفیت تبادل کاتیونی دارند. با توجه به نتایج این مطالعه استفاده از شبکه عصبی مصنوعی برای تخمین ظرفیت تبادل کاتیونی خاک به خوبی امکان پذیر است و می تواند با کارایی مناسب در جهت سهولت در اندازه گیری و صرفه جویی در زمان و هزینه ها به کار گرفته شود.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    بازوبندی، احمد، قربانی، هادی، امام قلی زاده، صمد، و شعیبی نوبریان، محمدرضا. (1396). پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند. پژوهش های خاک (علوم خاک و آب)، 31(3 الف )، 375-391. SID. https://sid.ir/paper/159094/fa

    Vancouver: کپی

    بازوبندی احمد، قربانی هادی، امام قلی زاده صمد، شعیبی نوبریان محمدرضا. پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند. پژوهش های خاک (علوم خاک و آب)[Internet]. 1396؛31(3 الف ):375-391. Available from: https://sid.ir/paper/159094/fa

    IEEE: کپی

    احمد بازوبندی، هادی قربانی، صمد امام قلی زاده، و محمدرضا شعیبی نوبریان، “پیش بینی ظرفیت تبادل کاتیونی خاک های استان گیلان با استفاده از مدل های هوشمند،” پژوهش های خاک (علوم خاک و آب)، vol. 31، no. 3 الف ، pp. 375–391، 1396، [Online]. Available: https://sid.ir/paper/159094/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا