CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی منحنی مشخصه آب خاک با استفاده از مدل شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۲۱۶ | نظرات: ۰
سال انتشار: ۱۳۸۷
نوع ارائه: شفاهی
کد COI مقاله: IDNC02_074
زبان مقاله: فارسی
حجم فایل: ۲۳۱.۹۷ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیش بینی منحنی مشخصه آب خاک با استفاده از مدل شبکه عصبی مصنوعی

  ریحانه السادات موسوی زاده مجرد - دانشجوی کارشناسی ارشد مهندسی کشاورزی- آبیاری وزهکشی دانشگاه شیراز
    علیرضا سپاسخواه (شناسه پژوهشگر - Researcher ID: ۵۴۱۹)
استاد بخش مهندسی آب دانشکده کشاورزی دانشگاه شیراز

چکیده مقاله:

یکی از مه مترین شاخص هایی که ویژگی های بخش غیر اشباع خاک را به صورت کمی بیان می کند، منحنی مشخصه آب خاک است که در بسیاری از پژوهش ها به عنوان اطلاعات پایه مورد استفاده قرار می گیرد. اما از آنجا که اندازه گیری مستقیم آن چه در مزرعه و چه در آزمایشگاه پر هزینه و و قت گیر بوده، استفاده از توابع انتقالی خاک و شبکه های عصبی مصنوعی با توجه به
ویژگی های زود یافت خاک در سالهای اخیر گسترش فراوانی یافته است . در این پژوهش از مدل شبکه های عصبی مصنوعی انتشار برگشتی پیشخور، با دوهدف اصلی ت خمین مقدار رطوبت خاک براساس میزان مکش و ویژگی های زود یافت خاک اعم از ذرات تشکیل دهنده بافت خاک، چگالی ظاهری خاک و درصد ماده آلی خاک (حالت اول ) و تخمین میزان مکش با توجه به مقدار
رطوبت خاک و ویژگی های زود یا فت خاک (حالت دوم )، استفاده گردیده است . در لایه های پنهان از دو تابع انتقال لوگ سیگموئیدی و تانژانت سیگموئید و در لایه خروجی تابع خطی استفاده گردیده است . همچنین از الگوریتم لونبرگ -مارکوئت ( LM) و الگوریتم تنظیم بایسین (BR ) در آموزش شبکه استفاده شده است . ترکیب توابع انتقال و دو الگوریتم یاد شده، در هر دو حالت شبکه های پیش بینی کننده استفاده شده و نتایج آن مورد تحلیل قرار گرفته است . نتایج نشان داد که کاربرد الگوریتم تنظیم (BR) در هر دو حالت نسبت به الگوریتم لونبرگ -مارکوئت (LM ) رضایت بخش تر عمل نموده است . در هر دو حالت استفاده از تابع انتقال لوگ سیگموئیدی نتایج بهتری را ارائه نموده است.

کلیدواژه‌ها:

مدل شبکه عصبی مصنوعی، منحنی مشخصه آب خاک، شبکه پیش بینی کننده رطوبت حجمی، شبکه پیش بینی کننده مکش.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IDNC02-IDNC02_074.html
کد COI مقاله: IDNC02_074

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
موسوی زاده مجرد, ریحانه السادات و علیرضا سپاسخواه، ۱۳۸۷، پیش بینی منحنی مشخصه آب خاک با استفاده از مدل شبکه عصبی مصنوعی، دومین همایش ملی مدیریت شبکه های آبیاری و زهکشی، اهواز، دانشگاه چمران، https://www.civilica.com/Paper-IDNC02-IDNC02_074.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (موسوی زاده مجرد, ریحانه السادات و علیرضا سپاسخواه، ۱۳۸۷)
برای بار دوم به بعد: (موسوی زاده مجرد و سپاسخواه، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • اصفهانیان، م. ۱۳۸۲، ارایه یک مدل شبکه عصبی جهت پیش‌بینی ...
  • Schaap M.G., and F.J.Leij. 1998. Using neural networks to predict ...
  • Sepaskhah, A.R, and H. Bondar. 2002. Estimating Van Genuchten soil ...
  • Zhang, G., Patuwo B. E. and M. Y. Hu.1998. Forecasting ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۸۱۲۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.