بسط توابع انتقالی هدایت هیدرولیکی اشباع با دو روش شبکه عصبی و رگرسیون آماری

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 945

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CAAMSA01_005

تاریخ نمایه سازی: 13 شهریور 1390

چکیده مقاله:

اندازه گیری مستقیم خصوصیات هیدرولیکی خاک مانند هدایت هیدرولیکی اشباع خاک به دلیل نیاز به صرف هزینه و زمان زیاد اغلب با مشکل مواجه است، بنابراین استفاده از روشهایی که بتواند این خصوصیات را با استفاده از پارامترهای زودیافت خاک نظیر بافت، جرم مخصوص ظاهری، تخلخل کل و ... با دقت مناسب تخمین بزنند لازم به نظر می رسد. شبکههای عصبی مصنوعی، از جمله روشهای نوین است که برای تخمین و پیش بینی پارامترها با استفاده از ارتباط ذاتی بین دادهها توسعه یافته است. در این تحقیق برای بسط توابع انتقالی از شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتمهای آموزشی مارکوات- لورنبرگ و بیسین و رگرسیون چند متغیره خطی استفاده شده است. پارامترهای ورودی شبکه شامل درصد توزیع اندازه ذرات خاک، جرم مخصوص ظاهری، تخلخل کل و درصد رطوبت خاک در نقطه ظرفیت مزرعه و پژمردگی دائم و خروجی شبکه هدایت هیدرولیکی اشباع می باشد. نتایح نشان داد که شبکه های عصبی با دقت بیشتری نسبت به روش رگرسیون چند متغیره خطی خروجی های شبکه را تخمین می زنند. همچنین شبکه های عصبی که با الگوریتم آموزشی مارکوات- لورنبرگ آموزش دیدهاند نتایج بهتری را نسبت به الگوریتم آموزشی بیسین داشتهاند

کلیدواژه ها:

توابع انتقالی ، رگرسیون آماری ، شبکه های عصبی مصنوعی و هدایت هیدرولیکی اشباع

نویسندگان

روح اله رضایی ارشد

داتشجوی کارشناسی ارشد، دانشگاه شهید چمران اهواز

غلامعباس صیاد

استادیار گروه خاکشناسی دانشکده کشاورزی، دانشگاه شهید چمران اهواز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • کیا، م. شبکه‌های عصبی در MATLAB خدمات نشر کیان رایانه ...
  • Baker, L. (2008). Development of class pedotransfer functions of soil ...
  • Bouma, J. (1989). Using soil survey data for quantitative land ...
  • Budiman, M., A. B. Mcbratney, and K. L. Bristow. (1999). ...
  • Haykin, S. (1994). Neural networks, a comprehensive foundation. 1st ed. ...
  • Hecht-Nielsen, R. (1990). Neur ocomputing _ 1st ed. Addis on-Wesley ...
  • Pachepsky, Ya. A., D. Timlin and , Varallyay. (1996). Artificial ...
  • Schaap, M. G. and w. Bouten. (1996). Modeling water retention ...
  • Tamari, S., woEsten, J.H.M., and Ruiz-SuaArez, J.C. (1996). Testing an ...
  • نمایش کامل مراجع