مقایسه عملکرد شبکه های عصبی مصنوعی RBF تحلیل رگرسیون در برآورد میزان ترسیب کربن خاک
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 392
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCCDCE04_002
تاریخ نمایه سازی: 5 آبان 1397
چکیده مقاله:
کربن آلی به دلیل سهم مهم در چرخه غذایی خاک یکی از عناصر مهم حساس پذیر خاک در قبال عوامل مدیریتی بوده و نقش قابل توجهی در کیفیت خاک اکوسیستم های جنگلی دارد. در این تحقیق جهت برآورد دقیق ترسیب کربن خاک از مدل های شبکه عصبی مصنوعی RBF و رگرسیون چند متغیره استفاده شد. جهت انجام تحقیق، 60 نمونه خاک از عمق 15- 0 سانتیمتری در گرادیان ارتفاعی جنگل دانشکده منابع طبیعی دانشگاه تربیت مدرس، برداشت شد. خصوصیات خاک (رس، سیلت، شن، کربن آلی، هدایت الکتریکی و رطوبت خاک) اندازه گیری شد. نتایج کلی این مطالعه نشان داد که ترسیب کربن در منطقه از ویژگی های فیزیکی و شیمیایی خاک تاثیر زیادی گرفته است. همچنین بر اساس معیارهای ضریب تشخیص R2، مجذور میانگین مربعات خطا (RMSE) و ضریب تغییرات مجذور میانگین مربعات خطا (CV(RMSE)، مدل شبکه عصبی RBF برآورد بهتری از تحلیل رگرسیونی داشته است.
کلیدواژه ها:
نویسندگان
فاطمه چشم براه
دانشجوی کارشناسی ارشد مدیریت مناطق بیابانی، دانشگاه یزد
قاسم علی پاراد
دانشجو دکتری جنگلداری، دانشگاه تربیت مدرس