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:

694
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

677
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

قابلیت طیف سنجی مرئی-مادون قرمز نزدیک (VIS-NIR) در پیش بینی درصد ذرات خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی

صفحات

 صفحه شروع 623 | صفحه پایان 635

چکیده

 طیف سنجی مرئی و مادون قرمز نزدیک (VIS-NIR) به طور گسترده ای برای تخمین خصوصیات فیزیکی خاک و اخیرا برآورد بافت خاک استفاده می شود. مطالعه حاضر با هدف پیش بینی احتمالی بافت خاک با استفاده از اندازه-گیری های طیفی و مدل های شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی انجام گرفته است. بر اساس تکنیک هایپرکیوب, محل 115 پروفیل شناسایی و سپس نمونه برداری از افق های خاک انجام گرفت, درصد شن و رس و سیلت نمونه های خاک اندازه گیری شد. رگرسیون حداقل مربعات جزئی (PLSR) و شبکه عصبی مصنوعی (ANN) برای مدل سازی درصد رس, شن و سیلت خاک مقایسه شدند. نتایج این بررسی نشان داد که شبکه عصبی مصنوعی نسبت به رگرسیون حداقل مربعات جزئی کارایی بهتری داشت, برای هر دو مدل از محدوده خاصی از طول موج (بین 400-2450 میکرون با اعمال پیش پردازش ها و حذفیات یکسان) استفاده گردید. هنگامی که مدل رگرسیون مربعات جزئی اجرا شد, دقت بسیار پایینی داشت (R2 ~0. 1-0. 3), در مقابل, روش شبکه عصبی-مصنوعی مقدار R2 به ترتیب برای رس, شن و سیلت 70/0, 76/0و 73/0 بود و میانگین ریشه مربعات خطا به ترتیب 14/9, 54/5 و 01/7 گرم بر کیلوگرم براساس داده های آزمون (20 درصد) به دست آمد که نشان دهنده دقت بالاتر و خطای کمتر مدل شبکه عصبی-مصنوعی می باشد. از آنجایی که رابطه بین درصد ذرات خاک و بازتاب طیفی خاک خطی نیست, به نظر می رسد روش شبکه عصبی-مصنوعی برای بررسی و تجزیه و تحلیل رابطه بین اجزای بافت خاک و داده های طیفی مناسب باشد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    مهرابی گوهری، الهام، متین فر، حمیدرضا، تقی زاده مهرجردی، روح اله، و جعفری، اعظم. (1399). قابلیت طیف سنجی مرئی-مادون قرمز نزدیک (VIS-NIR) در پیش بینی درصد ذرات خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی. آب و خاک (علوم و صنایع کشاورزی)، 34(3 )، 623-635. SID. https://sid.ir/paper/359962/fa

    Vancouver: کپی

    مهرابی گوهری الهام، متین فر حمیدرضا، تقی زاده مهرجردی روح اله، جعفری اعظم. قابلیت طیف سنجی مرئی-مادون قرمز نزدیک (VIS-NIR) در پیش بینی درصد ذرات خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی. آب و خاک (علوم و صنایع کشاورزی)[Internet]. 1399؛34(3 ):623-635. Available from: https://sid.ir/paper/359962/fa

    IEEE: کپی

    الهام مهرابی گوهری، حمیدرضا متین فر، روح اله تقی زاده مهرجردی، و اعظم جعفری، “قابلیت طیف سنجی مرئی-مادون قرمز نزدیک (VIS-NIR) در پیش بینی درصد ذرات خاک با استفاده از شبکه عصبی مصنوعی و رگرسیون حداقل مربعات جزئی،” آب و خاک (علوم و صنایع کشاورزی)، vol. 34، no. 3 ، pp. 623–635، 1399، [Online]. Available: https://sid.ir/paper/359962/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