این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های فرسایش محیطی، جلد ۳، شماره ۱، صفحات ۱۹-۳۴
عنوان فارسی برآورد نفوذپذیری خاک توسط شبکه عصبی مصنوعی و رگرسیون خطی در اراضی کشاورزی و بکر
چکیده فارسی مقاله در سال‌های اخیر استفاده از روش‌های غیرمستقیم برای برآورد خصوصیات خاک مورد توجه قرار گرفته است. در روش‌های معمول، اندازه‌گیری نفوذپذیری نیاز به وقت و هزینه زیادی دارد از طرفی وجود عبارات غیرخطی در روابط نفوذپذیری، مدل‌سازی آنها را با مشکل همراه کرده است. امروزه روش شبکه عصبی مصنوعی با کارایی بالا در مدل‌سازی مسایل غیرخطی کاربرد روزافزون آن را سبب شده است. در این پژوهش 200 نمونه خاک جمع‌آوری شده از منطقه قوشه واقع در استان سمنان مورد آزمایش قرار گرفت. نیمی از نمونه‌ها از اراضی بکر با کاربری مرتع دست نخورده و نیمی از اراضی کشاورزی منطقه جمع‌آوری شد. پارامترهای فیزیکی و شیمیایی خاک شامل هدایت الکتریکی، فراوانی نسبی ذرات، درصد آهک، نسبت جذب سدیم (SAR) و وزن مخصوص ظاهری به عنوان ویژگی‌های زود‌یافت و نفوذپذیری نهایی به عنوان پارامتر دیر‌یافت مورد بررسی قرار گرفت. داده‌های جمع آوری شده به دو دسته آموزش و صحت‌سنجی تقسیم شدند و از آنها برای آموزش و ارزیابی مدل‌های شبکه عصبی شامل پرسپترون چند لایه MLP)) و توابع پایه شعاعی RBF)) و همچنین رگرسیون خطی استفاده شد. نتایج حاصل از این تحقیق کارایی بالاتر مدل شبکه عصبی مصنوعی را نسبت به روش رگرسیون خطی نشان می‌دهد. علاوه بر آن شبکه MLP دارای عملکرد بهتری نسبت به شبکه RBF در دو مرحله آموزش و صحت‌سنجی بوده است. همچنین به منظور تعیین همبستگی هر یک از پارامترهای ورودی مستقل با مقدار نفوذپذیری خاک از آنالیز حساسیت نیز استفاده گردید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Estimation of Soil Infiltration in Agricultural and Pasture Lands using Artificial Neural Networks and Multiple Regressions
چکیده انگلیسی مقاله Common methods to determine the soil infiltration need extensive time and are expensive. However, the existence of non-linear behaviors in soil infiltration makes it difficult to be modeled. With regards to the difficulties of direct measurement of soil infiltration, the use of indirect methods toestimate this parameter has received attention in recent years. Despite the existence of various theoreticaland experimental equations, other indirect methods such as artificial neural networks are used to estimate this soil phenomenon. Currently, artificial neural networks are highly efficient in modeling non-linear equations. In the present studywe have collected 200 soil samples from Ghoshe location in Semnan Province. Half of samples were collected from agricultural lands and the other half were collected from nearby pasture lands. Some soil chemical as well as physical properties such as electrical conductivity (EC), soil texture, lime percentage, sodium adsorption ration (SAR) and bulk density were considered to be easy, rapidly obtainable features whereas soil permeability was considered to be a difficult, time consuming feature. The collected data were randomly divided in two categories of training and testing to be used for two artificial neural networks, multi-layer perception using back-propagation algorithm (MLP/BP).radial basis functions (RBF) and a nonlinear regression model. Results of this research showedthe high efficiency of the artificial neural network compared with multiple regression. The MLP network was better than the RBF network. Sensitive analysis was used to determine the correlation between independent parameters and permeability.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حامد کاشی |
دانشگاه صنعتی شاهرود
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

صمد امامقلی زاده |
دانشگاه صنعتی شاهرود
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

هادی قربانی |
دانشگاه صنعتی شاهرود
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

سیدعلی اصغر هاشمی | seyed ali asghar
عضو هیات علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان سمنان
سازمان اصلی تایید شده: مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سمنان

نشانی اینترنتی http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-1-5&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1412/article-1412-243651.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات