Mohajer R, Salehi M, Beigi Herchegani H. Estimating Soil Cation Exchange Capacity (in View of Pedotransfer Functions) Using Regression and Artificial Neural Networks and the Effect of Data Partitioning on Accuracy and Precision of Functions. jwss 2009; 13 (49) :83-97
URL:
http://jstnar.iut.ac.ir/article-1-978-fa.html
مهاجر رضا، صالحی محمدحسن، بیگی هرچگانی حبیب اله. تخمین ظرفیت تبادل کاتیونی خاک با استفاده از رگرسیون و شبکه عصبی و اثر تفکیک دادهها بر دقت و صحت توابع . علوم آب و خاک. 1388; 13 (49) :83-97
URL: http://jstnar.iut.ac.ir/article-1-978-fa.html
، mehsalehi@yahoo.com
چکیده: (33333 مشاهده)
منظور نمودن شاخصهای حاصلخیزی خاک از جمله ظرفیت تبادل کاتیونی(CEC) میتواند در ارتقا و افزایش کیفیت نقشههای خاک مفید باشد. برای اندازهگیری CEC که زمانبر و پرهزینه است میتوان از برآورد آن از طریق توابع انتقالی استفاده کرد. در این تحقیق، ابتدا چند محدوده (Delineation) از دو واحد نقشه همگون (Consociation)، شامل دو فامیل خاک واقع در دشت شهرکرد، یک واحد نقشه شامل سری شهرک و دیگری شامل سری چهارمحال، مشخص شد. سپس، از اعماق صفر تا20 و30 تا50 سانتیمتری محدودهها نمونهگیری و چند ویژگی فیزیکی- شیمیایی هر نمونه در آزمایشگاه اندازهگیری شد. سه ویژگی درصد رس، درصد ماده آلی و رطوبت در پتانسیل 1500- کیلو پاسکال بیشترین همبستگی را با CEC نشان دادند. توابع انتقالی با استفاده از رگرسیون خطی و شبکه عصبی استخراج شد. در این مطالعه، برای تمام مدلهای شبکه عصبی یک لایه میانی به همراه یک گره کافی به نظر رسید. در هر دو روش، مدلی که شامل پارامترهای زود یافت ماده آلی و رس بود به وسیله روش رگرسیون با 81/0=R2 و 2/7= RMSE و از طریق شبکه عصبی با ضریب یادگیری 3/0 و تعدادتکرار(Epoch) 40 و 88/0=R2 و34/0= RMSE بهترین و دقیقترین تخمین را در بین مدلها جهت تخمین CEC نشان داد. تفکیک داده برحسب لایه و فامیل باعث افزایش دقت و صحت توابع گردید. تکنیک شبکه عصبی در مقایسه با رگرسیون، مدلهایی باR2 بیشتر و RMSE کمتر تولید کرد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومی دریافت: 1388/12/4 | انتشار: 1388/7/23