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:

1,045
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

615
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک

صفحات

 صفحه شروع 27 | صفحه پایان 36

چکیده

 مدیریت دقیق زیست بوم های خاکی برای اهداف مختلف مستلزم شناخت دقیق و کمی خصوصیات و فرآیند های آنها به خصوص در بخش خاک است. هدف تحقیق حاضر با توجه به تاثیر خصوصیات خاک بر پوشش گیاهی پیش بینی درصد پوشش گونه درمنه کوهی از طریق برخی خصوصیات خاک است. نمونه برداری به روش تصادفی سیستماتیک و با استقرار 5 ترانسکت 100 متری و 10 پلات 4 مترمربعی به فاصله 10 متر از هم روی هر ترانسکت انجام شد. درصد تاج پوشش درمنه کوهی در هر پلات اندازه گیری شده و نمونه خاک از عمق 0-15 سانی متری گرفته شد. در مجموع 50 نمونه خاک جمع آوری شده و مورد آزمایش قرار گرفت. کربن آلی, آهک, نیتروژن کل, اسیدیته همراه با درصد رطوبت, درصد رس, درصد سیلت و درصد شن خاک اندازه گیری شدند. تمام داده ها به دو سری شامل سری آزمایش متشکل از 70 درصد داده ها برای انجام تجزیه و تحلیل و سری ارزیابی متشکل از30 درصد داده ها برای ارزیابی مدل های ساخته شده تقسیم گردید. نتایج نشان داد که رطوبت خاک, درصد سیلت و درصد شن خاک به عنوان مهم ترین خصوصیات خاک پیش بینی کننده در درصد تاج پوشش درمنه کوهی در منطقه مورد مطالعه می باشند. هم چنین نتایج ارزیابی مدل ها نشان داد که مدل شبکه عصبی مصنوعی RMSE و ME به ترتیب برابر 0.06 و 0.25 در مقایسه با مدل رگرسیون خطی چند متغیره با RMSE و ME به ترتیب برابر 0.12 و 0.43 بهتر عمل کرده است. با توجه به RMSE و ME پایین تر مدل شبکه عصبی مصنوعی نسبت به مدل رگرسیون از عملکرد بهتری برخوردار بوده که دلیل این امر در نظر گرفتن روابط غیرخطی بین پدیده ها در روش شبکه عصبی مصنوعی می باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    کارگر، منصوره، و جعفریان، زینب. (1393). مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک. تحقیقات منابع طبیعی تجدید شونده، 5(2 (پیاپی 16))، 27-36. SID. https://sid.ir/paper/212374/fa

    Vancouver: کپی

    کارگر منصوره، جعفریان زینب. مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک. تحقیقات منابع طبیعی تجدید شونده[Internet]. 1393؛5(2 (پیاپی 16)):27-36. Available from: https://sid.ir/paper/212374/fa

    IEEE: کپی

    منصوره کارگر، و زینب جعفریان، “مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک،” تحقیقات منابع طبیعی تجدید شونده، vol. 5، no. 2 (پیاپی 16)، pp. 27–36، 1393، [Online]. Available: https://sid.ir/paper/212374/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