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

برآورد سریع هدایت آبی اشباع خاک با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۲۲۷ | نظرات: ۰
سال انتشار: ۱۳۸۳
نوع ارائه: شفاهی
کد COI مقاله: SCSWR02_004
زبان مقاله: فارسی
حجم فایل: ۳۸۹.۹۱ کلیوبایت (فایل این مقاله در ۹ 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 ۹ 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 برآورد سریع هدایت آبی اشباع خاک با استفاده از شبکه عصبی مصنوعی

  مریم نوابیان - دانشجوی دکترای گروه آبیاری و آبادانی دانشکده کشاورزی دانشگاه تهران
  عبدالمجید لیاقت - استادیار گروه آبی و آباداتی دانشکده کشاورزی دانشگاه تهران
    مهدی همایی (شناسه پژوهشگر - Researcher ID: ۳۷۷۰)
استادیار گروه خاکشناسی دانشکده کشاورزی دانشگاه تربیت مدرس

چکیده مقاله:

هدایت آبی اشباع مهمترین ویژگی فیزیکی خاک است که در طراحی و امکان پذیر بودن فنی و اقتصادی پروژه های زهکشی زیر زمینی نقش عمده ای به عهده دارد. لیکن، اندازه گیری مستقیم این ویژگی چه به صورت صحرایی و چه در آزمایشگاه بسیار وقت گیر و پر هزینه می باشد. همچنین، به دلیل تغییرات زیاد زمانی – مکانی خاکها، اندازه گیری های نقطه ای نمی توانند نماینده واقعی این ویژگی خاک باشند، مگر آن که تعدادی بسیار زیاد نمونه برداری صورت پذیرد. در سالهای اخیر استفاده از شبکه های عصبی مصنوعی به عنوان راهکاری که ویژگی های فیزیکی خاک را از پارامترهای زودیافت خاک برآورد می کند، مورد توجه قرار گرفته است. شبکه عصبی مصنوعی از الگوی شبه عصبی انسان شبیه سازی شده است، به گونه ای که می تواند پس از آموزش، پارامترهای خروجی مورد نظر را با اعمال پارامترهای ورودی برآورد نماید. در این پژوهش، از ساختار شبکه عصبی پرسپترون با الگوریتم آموزشی مارکوآت لورنبرگ استفاده شد تا هدایت آبی اشباع از پارامترهای زودیافت خاک همچون جرم ویژه ظاهری، تخلیه موثر، میانگین هندسی قطر ذرات و انحراف معیار آنها برآورد شود نتایج نشان داد که نمونه های عصبی ایجاد شده قادرند هدایت آبی اشباع را با دقت بالا (R2=0/83) برآورد نمایند. همچنین، در مقایسه با معددلات رگرسیونی موجود، مدلهای شبکه عصبی ارائه شده عملکردی مناسب تر دارند.

کلیدواژه‌ها:

پارامترهای زود یافت خاک ، شبکه عصبی مصنوعی ، هدایت آبی اشباع

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-SCSWR02-SCSWR02_004.html
کد COI مقاله: SCSWR02_004

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:
نوابیان, مریم؛ عبدالمجید لیاقت و مهدی همایی، ۱۳۸۳، برآورد سریع هدایت آبی اشباع خاک با استفاده از شبکه عصبی مصنوعی، دومین کنفرانس ملی دانشجویی منابع آب و خاک، شیراز، دانشکده کشاورزی دانشگاه شیراز، https://www.civilica.com/Paper-SCSWR02-SCSWR02_004.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: (نوابیان, مریم؛ عبدالمجید لیاقت و مهدی همایی، ۱۳۸۳)
برای بار دوم به بعد: (نوابیان؛ لیاقت و همایی، ۱۳۸۳)
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 :

  • - البرزی، م. ۱۳۸۰. آشنایی با شبکه‌های عصبی. انتشارات دانشگاه ...
  • - منهاج، م. ب. ۱۳۷۷. کاربرد هوش محاسباتی در کنترل. ...
  • نوابیان، م. ع. ا. لیاقت و م. همایی .۱۳۸۲ . ...
  • Schaap, M. G. and W. Bouten. 1996. Modeling water retention ...
  • Schaap, M. G., F.J. Leij and M. Th. Van Genuchten. ...
  • Schaap Marcel G. Feike J. Leij and Martinus Th. Van ...
  • Shiozawa. S, G. S. Campbell . 1991 _ On the ...
  • Tamari, S., J. H. M. Wosten and J. C. Ruzi-Suarez. ...
  • کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۴۰۷۳
    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 پیشنهادی مرتبط

    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.