آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 626 |
| تعداد مقالات | 6,517 |
| تعداد مشاهده مقاله | 8,746,483 |
| تعداد دریافت فایل اصل مقاله | 8,317,300 |
ارزیابی روش غیرپارامتریک k- نزدیکترین همسایه و سیستم‌های شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی اشباع خاک | ||
| مجله مدیریت خاک و تولید پایدار | ||
| مقاله 5، دوره 5، شماره 3، آذر 1394، صفحه 81-95 اصل مقاله (963.64 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| نویسندگان | ||
| عباس خاشعی سیوکی* 1؛ وحید جلالی موخر2 | ||
| 1عضو هیات علمی گروه مهندسی آب دانشگاه بیرجند | ||
| 2عضو هیئت علمی گروه علوم خاک دانشگاه شهید باهنر کرمان | ||
| چکیده | ||
| هدایت هیدرولیکی اشباع خاک از مهم ترین ویژگی های فیزیکی خاک است لیکن در بیشتر موارد به علت محدودیت‌های عملی و یا هزینه‌ای، اندازه‌گیری آن با دشواری همراه است. در این پژوهش مدلهای مختلف شبکه های عصبی مصنوعی با نوعی از الگوریتم‌های غیرپارامتریک از نوع یادگیرنده‌های تنبل موسوم به k-نزدیکترین همسایه، برای تخمین هدایت هیدرولیکی اشباع خاک از روی داده‌های سهل‌الوصول خاک، مورد مقایسه قرار گرفت. در این تحقیق 151 نمونه از خاکهای زراعی اطراف بجنورد، انتخاب و متغیرهای کمکی شامل فراوانی ذرات، جرم مخصوص حقیقی و ظاهری همچنین هدایت الکتریکی عصارة اشباع خاک (ECe)، درصد مواد آلی خاک (OM)، رطوبت اشباع خاک (θs)، و میزان مواد خنثی شونده آن (TNV) جهت برآورد هدایت هیدرولیکی اشباع به کار گرفته شد. استفاده از پارامترهای آماری نشان داد که از لحاظ دقت برآورد، روش شبکه عصبی مصنوعی در مقایسه با روش غیر پارامتریک k-نزدیکترین همسایه در شرایط ارائه تمامی پارامترها (با داشتن آماره‌های 97/0=r،946/0=EF، 798/8=RMSE، 446/28= MEو 134/0- =CRM) نسبت به سایر روشها و مدلهای ورودی از دقت قابل قبولی برخوردار می باشد و می تواند به عنوان روشی جایگزین برای اشتقاق توابع انتقالی خاک، به‌ویژه هنگامی که فراهمی داده‌های جدید، نیاز به اشتقاق مجدد این توابع را الزام‌آور می‌کند، به کار رود. | ||
| کلیدواژه‌ها | ||
| روشهای شبکه عصبی مصنوعی؛ تکنیک k-نزدیکترین همسایه؛ هدایت هیدرولیکی اشباع | ||
|
آمار تعداد مشاهده مقاله: 2,903 تعداد دریافت فایل اصل مقاله: 1,101 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب