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:

430
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

539
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی عملکرد شبکه های عصبی مصنوعی با تلفیق الگوریتم ژنتیک در برآورد سرعت نفوذ آب به خاک (مطالعه موردی: منطقه خداآفرین استان آذربایجان شرقی)

صفحات

 صفحه شروع 1127 | صفحه پایان 1139

چکیده

 نفوذ, نقش حیاتی را در چرخه هیدرولوژیکی با میزان پراکندگی آب به اجزای سطحی و زیرسطحی ایفا می کند. اندازه گیری مستقیم سرعت نفوذ, معمولاً کاربر, هزینه بر و وقت گیر هستند. شبکه عصبی مصنوعی, برنامه ریزی بیان ژن و الگوریتم ترکیبی شبکه عصبی مصنوعی-الگوریتم ژنتیک به عنوان روش های غیرمستقیم برای تخمین نفوذ آب به خاک استفاده شدند. هدف از این مطالعه, توسعه یک مدل مناسب برای تخمین نفوذ آب به خاک با استفاده از استوانه مضاعف در 88 نقطه از منطقه خدآفرین استان آذربایجان شرقی می باشد. آنالیز همبستگی پیرسون نشان داد که از بین ویژگی های خاکی, شن, سیلت, تخلخل کل و کربن آلی بیشترین همبستگی را با نفوذ آب به خاک دارند. مقادیر ضریب تبیین و ریشه میانگین مربعات خطای نرمال شده برای مدل شبکه های عصبی مصنوعی و برنامه ریزی بیان ژن به ترتیب برابر 88/0, 9/7 و 75/0, 3/11 محاسبه شد که هر دو روش در ارزیابی حداقل و حداکثر مقادیر نفوذ آب به خاک از دقت کافی برخوردار نبودند. در روش شبکه های عصبی مبتنی بر الگوریتم ژنتیک از توابع تانژانت سیگموئیدی در لایه میانی و محرک خطی در لایه خروجی با 5 نرون در لایه فعال استفاده شد. این مدل از دقت و صحت بیشتری نسبت به مدل شبکه های عصبی مصنوعی و برنامه ریزی بیان ژن برخوردار می باشد, به طوری که مقادیر R2 و NRMSE برای مدل ترکیبی عصبی-ژنتیک به ترتیب برابر 93/0 و 1/6 درصد بود. نهایتاً الگوریتم ژنتیک با بهینه سازی اوزان شبکه های عصبی باعث بهبود مدل سازی شد, لذا این روش به عنوان روش کارا در تخمین نفوذ آب به خاک معرفی می گردد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    علیائی، محمدصادق، باریکلو، علی، و ثروتی، مسلم. (1398). ارزیابی عملکرد شبکه های عصبی مصنوعی با تلفیق الگوریتم ژنتیک در برآورد سرعت نفوذ آب به خاک (مطالعه موردی: منطقه خداآفرین استان آذربایجان شرقی). تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، 50(5 )، 1127-1139. SID. https://sid.ir/paper/225459/fa

    Vancouver: کپی

    علیائی محمدصادق، باریکلو علی، ثروتی مسلم. ارزیابی عملکرد شبکه های عصبی مصنوعی با تلفیق الگوریتم ژنتیک در برآورد سرعت نفوذ آب به خاک (مطالعه موردی: منطقه خداآفرین استان آذربایجان شرقی). تحقیقات آب و خاک ایران (علوم کشاورزی ایران)[Internet]. 1398؛50(5 ):1127-1139. Available from: https://sid.ir/paper/225459/fa

    IEEE: کپی

    محمدصادق علیائی، علی باریکلو، و مسلم ثروتی، “ارزیابی عملکرد شبکه های عصبی مصنوعی با تلفیق الگوریتم ژنتیک در برآورد سرعت نفوذ آب به خاک (مطالعه موردی: منطقه خداآفرین استان آذربایجان شرقی)،” تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، vol. 50، no. 5 ، pp. 1127–1139، 1398، [Online]. Available: https://sid.ir/paper/225459/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا