این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات آب و خاک ایران، جلد ۴۱، شماره ۲، صفحات ۲۱۱-۲۲۰
عنوان فارسی مقایسه روش‌های نروفازی، شبکه عصبی و رگرسیون چند متغیره در پیش‌بینی برخی خصوصیات خاک (مطالعه موردی: استان گلستان)
چکیده فارسی مقاله با توجه به مشکلات اندازه‌گیری مستقیم برخی از ویژگی‌های خاک، در سال‌های اخیر از روش‌های غیر مستقیم برای برآورد این خصوصیات استفاده می‌شود. بدین منظور، در این پژوهش140 نمونه جمع آوری شده از منطقه گرگان مورد آزمایش قرار گرفته و فراوانی نسبی ذرات، کربن آلی، درصد رطوبت اشباع و آهک به عنوان ویژگی‌های زودیافت و نقطه پژمردگی، ظرفیت زراعی، ظرفیت تبادل کاتیونی و وزن مخصوص ظاهری به عنوان ویژگی‌های دیریافت اندازه‌گیری شدند. سپس کل داده‌ها به دو سری داده، شامل سری آموزش (80% داده‌ها) و سری ارزیابی (20% داده‌ها) تقسیم گردید. به منظور پیش‌بینی خصوصیات مذکور، از مدل‌های نروفازی، شبکه عصبی مصنوعی و رگرسیون چند متغیره استفاده گردید. نتایج ارزیابی مدل‌ها بر اساس شاخص‌های ریشه مربعات خطا، میانگین خطا، خطای استاندارد نسبی و ضریب تبیین نشان داد که مدل نروفازی دارای بالاترین دقت در پیش‌بینی ویژگی‌های خاک را دارا می‌باشد بطوریکه این مدل به میزان 34، 10، 78 و 5 درصد دقت پیش‌بینی ویژگی‌های FC، PWP، CEC و Bd را به ترتیب، نسبت به روش رگرسیون خطی چندگانه افزایش داده است. بعد از این مدل، شبکه‌های عصبی مصنوعی نسبت به معادلات رگرسیونی کارائی بهتر داشته است.
کلیدواژه‌های فارسی مقاله خصوصیات خاک، رگرسیون چند متغیره، شبکه عصبی مصنوعی، نروفازی،
عنوان انگلیسی A Comparison of Neuro-Fuzzy, Artificial Neural Network and Multivariate Regression for Prediction of some Soil Properties (Case Study: Golestan Province)
چکیده انگلیسی مقاله Realizing the difficulties involved in direct measurement of soil properties, in recent years, alternative methods have been employed. In the present research, soil texture, organic carbon, saturation percentage and lime as readily measurable parameters, wilting point, field capacity, cation exchange capacity as well as bulk density, as predicted variables were evaluated. The data set was then divided into two subsets for calibration (80%) and testing (20%) of the models. For a prediction of the mentioned parameters, neuro-fuzzy, artificial neural network and multivariate regression were applied. In order to assess the models, some such evaluation parameters as root mean square, average error, average standard error and coefficient of determination were taken into account. Results revealed that the neuro-fuzzy model gives a more appropriate estimation than the other techniques for all the characteristics where this model increased accuracy of predictions for about 34, 10, 78 and 5% for FC, PWP, CEC and BD respectability. Next after neuro-fuzzy model, artificial neural network was of a higher accuracy than multivariate regression.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فریدون سرمدیان |


روح اله تقی زاده مهرجردی |


حسین محمد عسگری | mohammad asgari


علی اکبرزاده |


نشانی اینترنتی http://ijswr.ut.ac.ir/article_21870_89e8639cd576ec158bfde661cabf3901.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات