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:

1,082
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

530
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان

صفحات

 صفحه شروع 55 | صفحه پایان 65

چکیده

 به منظور واسنجی داده های دستگاه القاگر الکترومغناطیس از روش های مختلفی استفاده می شود. سوال پیش رو این است که کدام یک از تکنیک ها قابلیت بیشتری برای برآورد غیرمستقیم داده های شوری خاک دارند. برای پاسخ به این پرسش, در پژوهش حاضر, از 600 نمونه خاک جمع آوری شده از منطقه اردکان برای واسنجی داده های هدایت الکتریکی ظاهری خاک با استفاده از روش های رگرسیونی و هوش مصنوعی بهره گرفته شد. در این راستا, داده ها به دو سری شامل سری آموزشی (80 درصد داده ها) و سری ارزیابی (20 درصد داده ها) تقسیم شد. به منظور مدل سازی و برآورد شوری, از مدل های نروفازی, شبکه عصبی مصنوعی, الگوریتم ژنتیک و رگرسیون چند متغیره استفاده شد. نتایج ارزیابی مدل ها بر اساس شاخص های ریشه مربعات خطا, میانگین خطا و ضریب تبیین نشان داد مدل نروفازی بالاترین دقت در برآورد شوری خاک در چهار عمق را دارد. به طوری که این مدل به میزان 9, 9, 5 و 2 درصد دقت برآورد شوری را به ترتیب در اعماق 15, 30, 60 و 100 سانتی متری نسبت به روش رگرسیون خطی چندگانه افزایش داده است. با توجه به عدم قطعیت در پدیده های مرتبط با خاک یا تقریبی بودن مقادیر اندازه گیری شده خصوصیات مختلف خاک, به نظر می رسد کارایی بالاتر مدل مبتنی بر مجموعه های فازی در پردازش توابع انتقالی خاک به همین علت باشد. بعد از این مدل, الگوریتم ژنتیک و شبکه های عصبی مصنوعی نسبت به معادلات رگرسیونی کارایی بهتر داشته است. در مجموع, نتایج نشان داد روش های هوش مصنوعی کارایی بالاتری نسبت به روش های رگرسیونی برای واسنجی دستگاه القاگر الکترومغناطیس دارد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    روستا، محمدجواد، تقی زاده مهرجردی، روح اله، سرمدیان، فریدون، و رحیمیان، محمدحسن. (1393). مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان. تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، 45(1)، 55-65. SID. https://sid.ir/paper/225949/fa

    Vancouver: کپی

    روستا محمدجواد، تقی زاده مهرجردی روح اله، سرمدیان فریدون، رحیمیان محمدحسن. مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان. تحقیقات آب و خاک ایران (علوم کشاورزی ایران)[Internet]. 1393؛45(1):55-65. Available from: https://sid.ir/paper/225949/fa

    IEEE: کپی

    محمدجواد روستا، روح اله تقی زاده مهرجردی، فریدون سرمدیان، و محمدحسن رحیمیان، “مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان،” تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، vol. 45، no. 1، pp. 55–65، 1393، [Online]. Available: https://sid.ir/paper/225949/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا