Ahmadzadeh Kaleibar F, Fuladipanah M. Assessment of Regression, Support Vector Machine, and Gene Expression Programming Transfer Functions to Predict Soil Humidity Parameters in Arasbaran Plain. jwss 2023; 27 (2) :135-149
URL:
http://jstnar.iut.ac.ir/article-1-4304-fa.html
احمدزاده کلیبر فریبرز، فولادی پناه مهدی. ارزیابی تابعهای انتقالی رگرسیونی، ماشین بردار پشتیبان و برنامهریزی بیان ژن در پیشبینی پارامترهای رطوبتی خاک در دشت ارسباران. علوم آب و خاک. 1402; 27 (2) :135-149
URL: http://jstnar.iut.ac.ir/article-1-4304-fa.html
دانشگاه آزاد اسلامی، واحد تبریز ، f.ahmadzadeh@iaut.ac.ir
چکیده: (1077 مشاهده)
استفاده از تابعهای انتقالی برای پیشبینی پارامترهای رطوبتی خاک بهعنوان روشهای علمی و در عین حال اقتصادی مورد تأکید و پژوهش پژوهشگران است. در این پژوهش، ظرفیت زراعی (FC) و نقطه پژمردگی دائم (PWP) خاک با استفاده از سه تابع انتقالی رگرسیونی (خطی و غیرخطی)، مدل ماشین بردار پشتیبان (SVM) و مدل برنامهریزی بیان ژن (GEP) براساس سه شاخص ارزیابی عملکرد ضریب تعیین (R2)، مجذور میانگین مربعات خطا (RMSE) و نسبت اختلاف توسعه یافته (DDR) در دشت ارسباران در شمال غرب ایران شبیهسازی شده است. پارامترهای مستقل شامل درصد رس (Cl)، درصد سیلت (Si)، درصد شن (Sa)، درصد مواد آلی (OC)، چگالی ظاهری (ρb) و چگالی حقیقی (ρs) خاک بودند که با استفاده از آزمون گاما، متغیرهای درصد Si، ρb و ρs برای پیشبینی پارامتر FC و متغیرهای ρb و ρs برای پیشبینی پارامتر PWP انتخاب شدند. نتیجه پژوهش نشان داد هر سه تابع انتقالی قادر به پیشبینی FC و PWP هستند اما مدل SVM دارای بهترین عملکرد در میان این سه گروه تابع انتقالی است بهطوری که مقدار شاخصهای (R2، RMSE، DDRmax) در فرایندهای آموزش و آزمون برای پارامتر FC بهترتیب (0/9908، 0/5517، 17/50) و (0/9785، 0/7004، 11/62) و برای پارامتر PWP بهترتیب (0/9872، 0/5764، 2/85) و (0/8389، 1/187، 3/09) بهدست آمدند.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومی دریافت: 1401/7/15 | پذیرش: 1401/10/27 | انتشار: 1402/6/10