پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 127 |
| تعداد شمارهها | 7,196 |
| تعداد مقالات | 77,227 |
| تعداد مشاهده مقاله | 157,208,874 |
| تعداد دریافت فایل اصل مقاله | 118,400,369 |
ارزیابی عملکرد مدلهای مبتنی بر یادگیری ماشین در برآورد ابعاد الگوی توزیع رطوبت تحت آبیاری قطرهای | ||
| تحقیقات آب و خاک ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 18 خرداد 1405 اصل مقاله (1.93 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2026.413169.670123 | ||
| نویسندگان | ||
| سودابه گلستانی کرمانی* 1؛ میلاد سعیدی عباس آباد2 | ||
| 1استادیار و عضو هیات علمی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران. | ||
| 2دانشجوی دکتری، گروه علوم و مهندسی آب، دانشگاه آزاد اسلامی واحد کرمان، کرمان، | ||
| چکیده | ||
| امروزه مدلهای یادگیری ماشین به عنوان جایگزین مناسب مدلهای تحلیلی، عددی و تجربی جهت تخمین ابعاد الگوی توزیع رطوبت در خاک بدون محدودیتهایی مانند تعریف شرایط مرزی یا بازکالیبراسیون مورد توجه قرار گرفتهاند. از این رو در تحقیق حاضر با استفاده از اطلاعات هشت متغیر ورودی (درصد شن، درصد سیلت، درصد رس، شوری آب، زمان تجمعی، حجم آب تجمعی، وزن مخصوص ظاهری و هدایت هیدرولیکی اشباع) به ارزیابی عملکرد پنج مدل یادگیری ماشین (CatBoost, XGBoost, RF, SVR, Elnet) برای تخمین عمق نفوذ و عرض سطحی پیاز رطوبتی در دو بافت مختلف خاک (Loamy Sand, Sandy Clay) تحت سیستم آبیاری قطرهای سطحی پرداخته شد. در مدلهای مذکور از روش اعتبارسنجی متقاطع استاندارد با اختلاط تصادفی استفاده شد و عملکرد مدلها با استفاده از شاخصهای آماری R2, RMSE , MAE ارزیابی گردید. نتایج بدست آمده نشان داد که دقیقترین تخمین عمق نفوذ (94/0=R2،cm 27/0=RMSE،cm 10/0=MAE ) و عرض سطحی (98/0=R2،cm 58/1=RMSE،cm 91/0=MAE ) در بافت Sandy Clay و در مدل CatBoost مشاهده شد. ضعیفترین نتایج نیز در مدل Elnet مشاهده شد. بهطوریکه پایینترین دقت تخمین عمق نفوذ و عرض سطحی با مدل مذکور به ترتیب در بافتهای (16/0=R2،cm 16/6=RMSE،cm 22/3=MAE ) Loamy Sandو (76/0=R2،cm 09/6=RMSE،cm 67/4=MAE ) Sandy Clay مشاهده گردید. در مجموع نتایج بدست آمده توانایی مدلهای یادگیری ماشین مبتنی بر روشهای درخت-پایه را که قادر به یادگیری رفتار پیچیده و غیرخطی بین متغیرها هستند، در برآورد ابعاد پیاز رطوبتی به ویژه در خاک با درصد رس بالا تایید میکند | ||
| کلیدواژهها | ||
| ابعاد الگوی خیس شدگی؛ الگوریتم CatBoost؛ شبیهسازی؛ مدلهای داده محور | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 34 تعداد دریافت فایل اصل مقاله: 55 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب