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:

1,553
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

702
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه روش های نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیش بینی شوری خاک (مطالعه موردی: شهرستان اردکان)

صفحات

 صفحه شروع 207 | صفحه پایان 222

چکیده

 در سال های اخیر از روش های غیرمستقیم برای برآورد شوری خاک استفاده می شود. بدین منظور, در این پژوهش ششصد نمونه جمع آوری شده از منطقه اردکان آزمایش شد و قرائت های افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی - شامل شاخص اراضی, شاخص خیسی, و انحنای شیب - به عنوان ویژگی های زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتی متری به عنوان ویژگی های دیریافت تخمین زده شد. در این زمینه, داده ها به دو سری تقسیم شد: سری آموزشی (80% داده ها), سری ارزیابی (20% داده ها). به منظور مدل سازی و پیش بینی شوری, از مدل های نروفازی, شبکه عصبی مصنوعی, الگوریتم ژنتیک, و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدل ها - بر اساس شاخص های ریشه مربعات خطا, میانگین خطا, خطای استاندارد نسبی, و ضریب تبیین - نشان داد که مدل نروفازی دارای بالاترین دقت در پیش بینی ویژگی های خاک است, به طوری که این مدل به میزان 17 و 11 درصد دقت پیش بینی شوری را, به ترتیب, در اعماق 30 و 100 سانتی متری, نسبت به روش رگرسیون خطی چندگانه, افزایش داده است. پس از این مدل, الگوریتم ژنتیک و شبکه های عصبی مصنوعی, نسبت به معادلات رگرسیونی, کارآیی بهتری داشت.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    تقی زاده مهرجردی، روح اله، سرمدیان، فریدون، ثواقبی، غلامرضا، امید، محمود، تومانیان، نورایر، روستا، محمدجواد، و رحیمیان، محمدحسن. (1392). مقایسه روش های نروفازی, الگوریتم ژنتیک, شبکه عصبی, و رگرسیون چندمتغیره در پیش بینی شوری خاک (مطالعه موردی: شهرستان اردکان). مرتع و آبخیزداری (منابع طبیعی ایران)، 66(2)، 207-222. SID. https://sid.ir/paper/162684/fa

    Vancouver: کپی

    تقی زاده مهرجردی روح اله، سرمدیان فریدون، ثواقبی غلامرضا، امید محمود، تومانیان نورایر، روستا محمدجواد، رحیمیان محمدحسن. مقایسه روش های نروفازی, الگوریتم ژنتیک, شبکه عصبی, و رگرسیون چندمتغیره در پیش بینی شوری خاک (مطالعه موردی: شهرستان اردکان). مرتع و آبخیزداری (منابع طبیعی ایران)[Internet]. 1392؛66(2):207-222. Available from: https://sid.ir/paper/162684/fa

    IEEE: کپی

    روح اله تقی زاده مهرجردی، فریدون سرمدیان، غلامرضا ثواقبی، محمود امید، نورایر تومانیان، محمدجواد روستا، و محمدحسن رحیمیان، “مقایسه روش های نروفازی, الگوریتم ژنتیک, شبکه عصبی, و رگرسیون چندمتغیره در پیش بینی شوری خاک (مطالعه موردی: شهرستان اردکان)،” مرتع و آبخیزداری (منابع طبیعی ایران)، vol. 66، no. 2، pp. 207–222، 1392، [Online]. Available: https://sid.ir/paper/162684/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