عنوان مقاله :
مقايسه كارايي توابع انتقالي خطي، غيرخطي و شبكه عصبي مصنوعي در برآورد بعد فركتال سطح داخلي خلل و فرج خاك
عنوان به زبان ديگر :
مقايسه كارايي توابع انتقالي خطي، غيرخطي و شبكه عصبي مصنوعي در برآورد بعد فركتال سطح داخلي خلل و فرج خاك
پديد آورندگان :
سرمديان ، فريدون نويسنده Sarmadian, F , قنبريان‌علويجه ، بهزاد نويسنده Ph.D Student, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj, Ghanbarian Alavijeh, B. , تقي‌زاده‌مهرجردي، روح‌ا... نويسنده Ph.D Student, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj Taghizadeh Mehrjerdi, R. , كشاورزي، علي نويسنده Ph.D Student, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj Keshavarzi, A
اطلاعات موجودي :
فصلنامه سال 1390
كليدواژه :
, Pedotransfer function , Artificial neural networks , Fractal dimension , بعد فركتال , توابع انتقالي , شبكه عصبي , مصنوعي
چكيده فارسي :
بررسي ويژگي‌هاي هيدروليك خاك همچون منحني مشخصه رطوبتي و هدايت هيدروليك غيراشباع در بررسيهاي علوم منابع طبيعي نقش مهمي را ايفا كرده است. به طوريكه به دليل تغييرات زماني و مكاني اين ويژگي‌ها بررسيهاي اخير محققين منجر به توسعه روش‌هاي غيرمستقيم در برآورد اين قبيل خصوصيات خاك گرديده است. در همين راستا در اين مطالعه به روش‌هاي غيرمستقيم در برآورد بعد فركتال سطح داخلي خلل و فرج خاك به منظور پيش بيني منحني مشخصه رطوبتي خاك پرداخته شده است. با اندازه‌گيري مشخصه‌هاي زوديافتي چون درصد ذرات رس، درصد رطوبت در نقطه پژمردگي دايم، ظرفيت تبادل كاتيون و مقدار تخلخل روابط رگرسيون تك متغيره، خطي و غيرخطي به منظور بر آورد بعد فركتالي سطح داخلي خلل و فرج خاك ارايه شده و با شبكه عصبي مصنوعي مقايسه گرديدند. در مرحله آزمون شبكه عصبي مصنوعي و روابط همبستگي از 97 داده اندازه‌گيري شده و در مرحله آزمون مدل ها از 24 داده باقيمانده و داده‌هاي پترسن و همكاران (1996) استفاده شد. مقدار RSE و RMSE محاسبه شده نشان دادند كه شبكه عصبي مصنوعي با هفت نرون در لايه مخفي قادر است،با دقت بالاتري نسبت به ساير مدل‌هاي ارايه شده، بعد فركتال سطح داخلي خلل و فرج خاك را از پارامترهاي زوديافت برآوردكند.
چكيده لاتين :
Investigation of soil hydraulic properties like soil moisture retention curve and unsaturated hydraulic conductivity plays an important role in study of environmental researches in which their spatial and temporal variability led to development of indirect methods in prediction of these soil characteristics. Therefore, in this study indirect methods have been used in order to estimate surface fractal dimension to predict soil moisture curve. One parameter linear and nonlinear regressions were developed and compared to artificial neural networks by using readily available parameters like soil clay content, water content at permanent wilting point, cation exchange capacity and soil porosity. In the training step of regression analysis and neural networks, 97 measured soil samples and in the testing step 24 rest of soil samples with Petersen et al. (1996) database were used. The calculated values of RSE and RMSE showed that neural networks with seven neurons in the hidden layer are able to estimate surface fractal dimension from the easily available parameters more accurate than the other models.
عنوان نشريه :
مرتع و آبخيزداري
عنوان نشريه :
مرتع و آبخيزداري
اطلاعات موجودي :
فصلنامه با شماره پیاپی سال 1390
كلمات كليدي :
#تست#آزمون###امتحان
