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:

261
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

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

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی شاخص S و تعیین عوامل موثر بر آن با استفاده از الگوریتم هیبرید شبیه سازی تبرید-شبکه عصبی مصنوعی در خاک های آهکی جنوب شرق ایران

صفحات

 صفحه شروع 381 | صفحه پایان 394

چکیده

 استفاده از شیب منحنی مشخصه رطوبتی خاک در نقطه عطف (شاخص S), یکی از شاخص های مهم ارزیابی کیفیت خاک در برنامه ریزی مدیریت اراضی زراعی و باغی محسوب می شود. هدف از این پژوهش, تعیین موثرترین ویژگی های خاک در منطقه جیرفت بر تخمین شاخص S با استفاده از الگوریتم هیبرید شبیه سازی تبرید-شبکه عصبی مصنوعی بود. به ا ین منظور, 350 نمونه خاک دست خورده و 350 نمونه خاک دست نخورده ا ز اراضی زراعی و باغی برداشت و سپس برخی از ویژگی های فیزیکی و شیمیایی خاک, شامل درصد شن, سیلت, رس, قابلیت هدایت الکتریکی اشباع, چگالی ظاهری, درصد تخلخل کل, درصد مواد آلی و درصد کربنات کلسیم معادل با استفاده از روش های استاندارد اندازه گیری شدند. همچنین با استفاده از دستگاه صفحات فشاری, مقدار رطوبت خاک در مکش های 0, 30, 10, 50, 100, 300, 500, 1000 و 1500 کیلوپاسکال تعیین شد. در ادامه با استفاده از الگوریتم هیبریدی شبکه عصبی مصنوعی-شبیه سازی تبرید, ویژگی های موثر بر مدل سازی شاخص S استخراج شدند. در نهایت با استفاده از پنج ویژگی استخراج شده (درصد ش و رس, قابلیت هدایت الکتریکی, چگالی ظاهری و ظرفیت زراعی), مدل سازی شاخص S توسط شبکه عصبی مصنوعی انجام شد. نتایج نشان داد که با کاهش متغییرهای ورودی, دقت مدل سازی افزایش یافت. به علاوه, نتایج آنالیز حساسیت نشان داد چگالی ظاهری با بالاترین ضریب حساسیت (ضریب حساسیت 5/0) به عنوان مهم ترین ویژگی در مدل سازی شاخص S محسوب می شود. بنابراین, از آنجا که افزایش تعداد ویژگی ها لزوما باعث افزایش دقت مدل سازی نمی شود, کاهش ویژگی های ورودی به سبب کاهش هزینه و زمان انجام پژوهش مقرون به صرفه است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    امیری میجان، فهیمه، شیرانی، حسین، اسفندیارپور، عیسی، بسالت پور، علی اصغر، و شکفته، حسین. (1398). مدل سازی شاخص S و تعیین عوامل موثر بر آن با استفاده از الگوریتم هیبرید شبیه سازی تبرید-شبکه عصبی مصنوعی در خاک های آهکی جنوب شرق ایران. علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، 23(3 )، 381-394. SID. https://sid.ir/paper/363296/fa

    Vancouver: کپی

    امیری میجان فهیمه، شیرانی حسین، اسفندیارپور عیسی، بسالت پور علی اصغر، شکفته حسین. مدل سازی شاخص S و تعیین عوامل موثر بر آن با استفاده از الگوریتم هیبرید شبیه سازی تبرید-شبکه عصبی مصنوعی در خاک های آهکی جنوب شرق ایران. علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)[Internet]. 1398؛23(3 ):381-394. Available from: https://sid.ir/paper/363296/fa

    IEEE: کپی

    فهیمه امیری میجان، حسین شیرانی، عیسی اسفندیارپور، علی اصغر بسالت پور، و حسین شکفته، “مدل سازی شاخص S و تعیین عوامل موثر بر آن با استفاده از الگوریتم هیبرید شبیه سازی تبرید-شبکه عصبی مصنوعی در خاک های آهکی جنوب شرق ایران،” علوم آب و خاک (علوم و فنون کشاورزی و منابع طبیعی)، vol. 23، no. 3 ، pp. 381–394، 1398، [Online]. Available: https://sid.ir/paper/363296/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