کاربرد شبکه عصبی پروسپترون چند لایه در شبیه سازی دمای خاک

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 322

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICULC01_087

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

گونه های مختلف گیاهی به دماهای متفاوتی نیازمندند و باردهی آن ها در محدوده معینی از درجه حرارت به بیش ترین مقدار می رسد. از طرفی در هر لحظه گرمای خاک ازافقی به افق دیگر متفاوت بوده و در طول روز، ماه و سال نوسان می کند. دمای سطح و ژرفای خاک به صورت پیوسته اندازه گیری نمی شوند. از اینرو میتوان رابطه ای بین دما ی خاک و خصوصیات اقلیمی یک منطقه برقرار نمود. در این میان مدل های هوشمند نقش موثری میتوانند داشته باشند. در این پژوهش به منظور شبیه سازی دمای اعماق مختلف خاک در ایستگاه تبریز واقع در استان آذربایجان شرقی از مدل شبکه عصبی MLP در دوره آماری 85-1378 استفاده گردید. از سه معیار عددی جذر میانگین مربعات خطا (RMSE ، (معیار نش- ساتکلیف (E (و خطای مطلق میانگین (MAE (به منظور ارزیابی دقت استفاده شد. از بین ساختارهای مختلف شبکه عصبی، آرایش 1-4-4 با چهار ورودی اعماق 5 ،10 ، 50 و 100 سانتی متری بیشترین دقت را داشت.

کلیدواژه ها:

دمای خاک ، شبکه عصبی مصنوعی ، مدیریت منابع آب و خاک

نویسندگان

فاطمه اسماعیل بیکی

دانشجوی کارشناسی ارشد فیزیک و حفاظت خاک، دانشگاه تبریز

بابک محمدی

دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه تبریز

داوود زارع حقی

استادیار گروه علوم و مهندسی خاک دانشگاه تبریز

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 :