پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 127 |
| تعداد شمارهها | 7,120 |
| تعداد مقالات | 76,522 |
| تعداد مشاهده مقاله | 152,938,753 |
| تعداد دریافت فایل اصل مقاله | 115,092,445 |
مقایسه روشهای نروفازی، الگوریتم ژنتیک، شبکه عصبی، و رگرسیون چندمتغیره در پیشبینی شوری خاک (مطالعه موردی: شهرستان اردکان) | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 4، دوره 66، شماره 2، تیر 1392، صفحه 207-222 اصل مقاله (874.92 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2013.35573 | ||
| نویسندگان | ||
| روح الله تقی زاده مهرجردی1؛ فریدون سرمدیان* 2؛ غلامرضا ثواقبی2؛ محمود امید3؛ نورایر تومانیان4؛ محمد جواد روستا5؛ محمدحسن رحیمیان6 | ||
| 1استادیار دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان | ||
| 2استاد گروه مهندسی علوم خاک، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران | ||
| 3استاد گروه مهندسی ماشین¬آلات کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران | ||
| 4استادیار پژوهشی، مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان | ||
| 5عضو هیئت علمی مرکز ملی تحقیقات شوری | ||
| 6کارشناس سنجش از دور و GIS، مرکز ملی تحقیقات شوری | ||
| چکیده | ||
| در سالهای اخیر از روشهای غیرمستقیم برای برآورد شوری خاک استفاده میشود. بدین منظور، در این پژوهش ششصد نمونة جمعآوریشده از منطقة اردکان آزمایش شد و قرائتهای افقی -عمودی دستگاه القای الکترومغناطیس و پارامترهای سطح اراضی ـ شامل شاخص اراضی، شاخص خیسی، و انحنای شیب ـ به عنوان ویژگیهای زودیافت استفاده شد و میزان شوری خاک به صورت وزنی در اعماق 30 و 100 سانتیمتری به عنوان ویژگیهای دیریافت تخمین زده شد. در این زمینه، دادهها به دو سری تقسیم شد: سری آموزشی (80% دادهها)؛ سری ارزیابی (20% دادهها). به منظور مدلسازی و پیشبینی شوری، از مدلهای نروفازی، شبکة عصبی مصنوعی، الگوریتم ژنتیک، و رگرسیون چندمتغیره استفاده شد. نتایج ارزیابی مدلها ـ بر اساس شاخصهای ریشة مربعات خطا، میانگین خطا، خطای استاندارد نسبی، و ضریب تبیین ـ نشان داد که مدل نروفازی دارایِ بالاترین دقت در پیشبینی ویژگیهای خاک است، به طوری که این مدل به میزان 17 و 11 درصد دقتِ پیشبینی شوری را، بهترتیب، در اعماق 30 و 100 سانتیمتری، نسبت به روش رگرسیون خطی چندگانه، افزایش داده است. پس از این مدل، الگوریتم ژنتیک و شبکههای عصبی مصنوعی، نسبت به معادلات رگرسیونی، کارآیی بهتری داشت. | ||
| کلیدواژهها | ||
| شوری خاک؛ نروفازی؛ الگوریتم ژنتیک؛ شبکة عصبی مصنوعی؛ رگرسیون چندمتغیره | ||
|
آمار تعداد مشاهده مقاله: 3,675 تعداد دریافت فایل اصل مقاله: 17,283 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب