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:

1,019
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

ارزیابی روش غیرپارامتریک k- نزدیک ترین همسایه و سیستم های شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع خاک

صفحات

 صفحه شروع 81 | صفحه پایان 95

چکیده

 سابقه و هدف: هدایت هیدرولیکی اشباع خاک از مهم ترین ویژگی های فیزیکی خاک است ولی در بیش تر موارد به علت محدودیت های عملی و یا هزینه ای, اندازه گیری آن با دشواری همراه است. در این پژوهش مدل های مختلف شبکه های عصبی مصنوعی با نوعی از الگوریتم های غیرپارامتریک از نوع یادگیرنده های تنبل موسوم به –K نزدیک ترین همسایه, برای تخمین هدایت هیدرولیکی اشباع خاک از روی داده های سهل الوصول خاک, مورد مقایسه قرار گرفت.مواد و روش ها: در این پژوهش 151 نمونه از خاک های زراعی اطراف بجنورد, انتخاب و متغیرهای کمکی شامل فراوانی ذرات, جرم مخصوص حقیقی و ظاهری همچنین هدایت الکتریکی عصاره اشباع خاک (ECe), درصد مواد آلی خاک (OM), رطوبت اشباع خاک (qs) و میزان مواد خنثی شونده آن (TNV) میزان مواد خنثی شونده آن اشباع به کار گرفته شد. جهت ارزیابی سیستم های شبکه عصبی مصنوعی همه داده ها به 3 قسمت, 50 درصد برای آموزش, 25 درصد برای تست و سایر داده ها برای اعتبارسنجی تقسیم شدند. طراحی ساختار مدل های (پرسپترون چندلایه) توسط توابع سیگموئید و لایه مخفی انجام شد. شبکه عصبی مصنوعی برای همه مدل های MLP (پرسپترون چندلایه) توسط توابع سیگموئید و لایه مخفی انجام شد. شبکه عصبی مصنوعی برای همه مدل ها, با الگوریتم آموزشی لونبرگ- مارکوآردت به صورت یک لایه پنهان تابع آستانه logsig برای لایه پنهان و tansig برای لایه خروجی انتخاب گردید.یافته ها: استفاده از پارامترهای آماری نشان داد که از لحاظ دقت برآورد, روش شبکه عصبی مصنوعی در مقایسه با روش غیرپارامتریک –k نزدیک ترین همسایه در شرایط ارائه تمامی پارامترها (با داشتن آماره های r=0.97, EF=0.946, RMSE=8.798, ME=28.446 و CRM=-0.134) نسبت به سایر روش ها و مدل های ورودی از دقت قابل قبولی برخوردار می باشد.نتیجه گیری: بررسی ها نشان داد که تکنیک های مختلف توانسته اند تا حدی, مقادیر ضریب هدایت هیدرولیکی را تخمین بزنند در روش غیرپارامتریک –k نزدیک ترین همسایه, تمرکز نقاط برآوردی بر روی خط رگرسیونی 1:1 بیش تر از سایر روش های مورد بررسی بوده است. بهترین نتیجه مربوط به روش شبکه عصبی مصنوعی با تمامی اطلاعات بانک داده بود شاخص کارایی (57 تا 71 درصد=EF) روش –k نزدیک ترین همسایه, نشانه توانمند بودن این تکنیک در برآورد مقادیر هدایت هیدرولیکی بر اساس سایر پارامترهای زودیافت خاک شامل توزیع اندازه ذرات خاک, هدایت الکتریکی عصاره اشباع خاک (EC), درصد اشباع خاک (SP), درصد کربن آلی خاک (OC), مقدار مواد خنثی شونده (TNV), جرم ویژه حقیقی و ظاهری خاک می باشد. روش شبکه عصبی مصنوعی می تواند به عنوان روشی جایگزین برای اشتقاق توابع انتقالی خاک, به ویژه هنگامی که فراهمی داده های جدید, نیاز به اشتقاق مجدد این توابع را الزام آور می کند, به کار رود.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خاشعی سیوکی، عباس، جلالی موخر، وحیدرضا، نوفرستی، علی محمد، و رمضانی، یوسف. (1394). ارزیابی روش غیرپارامتریک k- نزدیک ترین همسایه و سیستم های شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع خاک. مجله الکترونیک مدیریت خاک و تولید پایدار، 5(3)، 81-95. SID. https://sid.ir/paper/209798/fa

    Vancouver: کپی

    خاشعی سیوکی عباس، جلالی موخر وحیدرضا، نوفرستی علی محمد، رمضانی یوسف. ارزیابی روش غیرپارامتریک k- نزدیک ترین همسایه و سیستم های شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع خاک. مجله الکترونیک مدیریت خاک و تولید پایدار[Internet]. 1394؛5(3):81-95. Available from: https://sid.ir/paper/209798/fa

    IEEE: کپی

    عباس خاشعی سیوکی، وحیدرضا جلالی موخر، علی محمد نوفرستی، و یوسف رمضانی، “ارزیابی روش غیرپارامتریک k- نزدیک ترین همسایه و سیستم های شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع خاک،” مجله الکترونیک مدیریت خاک و تولید پایدار، vol. 5، no. 3، pp. 81–95، 1394، [Online]. Available: https://sid.ir/paper/209798/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    مرکز اطلاعات علمی SID
    strs
    دانشگاه امام حسین
    بنیاد ملی بازیهای رایانه ای
    کلید پژوه
    ایران سرچ
    ایران سرچ
    فایل موجود نیست.
    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