این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های خاک، جلد ۳۱، شماره ۱، صفحات ۷۵-۸۷
عنوان فارسی ارزیابی مدل‌های رگرسیونی و شبکه عصبی مصنوعی در تخمین هدایت هیدرولیکی اشباع خاک در مازندران
چکیده فارسی مقاله هدایت هیدرولیکی اشباع یکی از خصوصیات مهم هیدرولیکی در علوم مرتبط با آب، خاک و کشاورزی می­باشد که در مدلسازی حرکت املاح و آب در خاک بسیار اهمیت دارد.اندازه­گیری آزمایشگاهی و صحرایی آن دشوار، وقت‌گیر و پرهزینه بوده و امکان شناسایی تغییرپذیری مکانی و زمانی آن در مقیاس وسیع عملا وجود ندارد.امروزه با استفاده از روش­های غیرمستقیم مانند توابع انتقالی می­توان آن را با دقت بالایی برآورد نمود. پژوهش حاضر با هدف استفاده از روش‌های رگرسیونی و شبکه عصبی مصنوعی به عنوان دو روش کارآمد از توابع انتقالی، در برآورد هدایت هیدرولیکی اشباع انجام شد. در این مطالعه هدایت هیدرولیکی اشباع80 نمونه خاک با سه تکرار به روش آزمایشگاهی بررسی شد. خصوصیات زودیافت خاک (بافت، میانگین هندسی قطر ذرات و انحراف معیار آن، جرم مخصوص ظاهری و حقیقی، هدایت الکتریکی، pH، ماده آلی و کربنات کلسیم) که به عنوان ورودی در توابع استفاده شد به دو دسته آموزش (80%) و آزمون (20%) تقسیم شدند. به منظور مدل‌سازی هدایت هیدرولیکی اشباع از مدلهای رگرسیون چند متغیرهخطی (MLR)، شبکه عصبی پرسپترون چندلایه(MLP)  و شبکه عصبی تابع پایه شعاعی (RBF) استفاده شد. همچنین برای ارزیابی اعتبار توابع توسعه یافته از شاخصهای ضریب تبیین (R2)، میانگین مجذور مربعات خطا (RMSE) و ضریب همبستگی همگام (CCC) استفاده شد. نتایج نشان از برتری مدل پرسپترون شبکه عصبی با دو لایه مخفی با تابع فعال‌سازی سیکموئیدی با R2، RMSEو CCCبه ترتیب معادل 871/0، 02/1(cm/h) و 869/0 نسبت به سایر مدل‏ها در منطقه مورد مطالعه داشته است. با توجه به نتایج آنالیز حساسیت، مدل بهینه دارای بالاترین حساسیت نسبت به تغییرات پارامترهای جرم مخصوص ظاهری، pH و تخلخل دارد و در مقابل نسبت به پارامتر شوری کمترین حساسیت را نشان داد. به نظر میرسد که استفاده از شبکه عصبی پرسپترون با دو لایه مخفی روش کارآمدی برای تعیین هدایت هیدرولیکی اشباع در منطقه باشدو بتواند با صرفه جویی در زمان و هزینه، هدایت هیدرولیکی اشباع خاک را برآورد کند. نتایج این تحقیق به علت کمبود تعداد نمونه ها اعتبارکافی را نداشته، لذا می­تواند به عنوان شروعی برای انجام تحقیقات بعدی استفاده شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Evaluation of Regression and Artificial Neural Network Models to Estimate the Saturated Hydraulic Conductivity in Mazandaran Province
چکیده انگلیسی مقاله Soil saturated hydraulic conductivity (Ks) is one of the important factors involved in water, soil, and agricultural sciences. Ks measurement is important for solute and water movement modeling and, in turn, is costly and time consuming. It is also impractical to spatially and temporarily measure the Ks in large scale studies. Therefore, it would be wise to predict Ks using indirect methods such as pedotransfer functions (PTFs). The objective of this study was to use the regression and artificial neural networks methods as an alternative method to estimate the saturated hydraulic conductivity. Therefore, 80 undisturbed soil samples in three replications were collected in Mazandaran province, northern Iran, and analyzed by laboratory methods. Data was divided into two categories including the training (80%) and testing dataset (20%). In order to predict the soil saturated hydraulic conductivity, the multiple linear regression models (MLR), multilayer perceptron (MLP) and radial basis function (RBF) methods were used. To test the performance of the three methods, the correlation (R2), mean square error (RMSE) and consistent correlation coefficient (CCC) statistics between actual and predicted values were measured. The results showed that MLP with two hidden layers by sigmoid activation function was the best method for Ks estimation. R2, RMSE and CCC statistics were 0.871, 1.02 cm/h [M1] and 0.869, respectively, for the best predicted method. The sensitivity analysis showed that the soil bulk density, pH and porosity had the highest impact on Ks, while soil salinity affected the Ks slightly. Therefore, use of MLP with two hidden layers efficiently can predict Ks in the study area and could be introduced as a promising method for Ks estimation. Considering the slightly low sampling data, this research can be considered as a starting step for future comprehensive studies with high intensive sampling sites that would enhance the reliability of these results.  [M1]باید حذف شود چون سه عدد ذکر شده به ترتیب مربوط به   R2,RMSE,CCC  می باشد نه Ks   در چکیده فارسی هم حذف شود cm/h
کلیدواژه‌های انگلیسی مقاله Pedotransfer functions, MLP, RBF, Sensitivity analysis
نویسندگان مقاله زهرا نوروزیان عزیزی | norouzian azizi
دانشجوی سابق کارشناسی ارشد دانشگاه علوم کشاورزی و منابع طبیعی ساری
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی ساری

مهدی قاجار سپانلو | ghajar sepanlou
دانشیار دانشگاه علوم کشاورزی و منابع طبیعی ساری
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی ساری

سید مصطفی عمادی | seyed mostafa
استادیار دانشگاه علوم کشاورزی و منابع طبیعی ساری
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی ساری

فردین صادق زاده |
استادیار دانشگاه علوم کشاورزی و منابع طبیعی ساری
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی ساری

نشانی اینترنتی http://srjournal.areo.ir/article_110346_5f9853f2e743d698fe51dd936b725ec8.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1383/article-1383-460036.pdf
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