S. Moallemi, N.Davatgar. Comparison of Artificial Neural Network and Regression Pedotransfer Functions for Prediction of Cation Exchange Capacity in Guilan Province Soils. jwss 2011; 15 (55) :169-182
URL:
http://jstnar.iut.ac.ir/article-1-1555-fa.html
، n_davatgar@yahoo.com
چکیده: (28839 مشاهده)
گنجایش تبادل کاتیونی یکی از ویژگیهای شیمیایی مهم خاک بوده که اندازهگیری آن بسیار پرهزینه و وقتگیر است. توابع انتقالی، میتواند راهکاری مناسب در برآورد این پارامتر به جای اندازهگیری مستقیم باشد. هدف از این تحقیق، توسعه چند تابع انتقالی مناسب برای برآورد گنجایش تبادل کاتیونی خاکهای استان گیلان با استفاده از دو روش رگرسیون خطی چندگانه و شبکه عصبی مصنوعی و تأثیر گروهبندی خاکها بر پایه کلاسهای بافتی و کربن آلی بر بهبود توانایی برآورد گنجایش تبادل کاتیونی به وسیله دو روش بود. برای این تحقیق از 1662 داده مربوط به خاکهای استان گیلان از بانک اطلاعات آزمایشگاه شیمی خاک مؤسسه تحقیقات برنج کشور استفاده شد. نتایج نشان داد که کربن آلی مهمترین متغیر در برآورد گنجایش تبادل کاتیونی در کل دادهها و کلیه کلاسهای بافتی و کربن آلی در هر دو روش رگرسیون و شبکه عصبی بوده است. شبکه عصبی مصنوعی نسبت به روش رگرسیون در برآورد گنجایش تبادل کاتیونی در کل دادهها، کارایی بهتری داشت و گروهبندی دادهها تنها در کلاسهای بافتی شن و شنی رسی لومی در روش شبکه عصبی مصنوعی، موجب بهبود محسوس پیشبینیها نسبت به کل دادهها شد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومی دریافت: 1390/4/5 | انتشار: 1390/1/26