مقایسه عملکرد شبکه های عصبی مصنوعی و برنامه ریزی بیان ژن در برآورد منحنی مشخصه آب در خاک های جنگلی
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 197
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-52-8_007
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
منحنی مشخصه آب خاک یکی از پارامترهای فیزیکی مهم و کاربردی در مطالعات مرتبط با جریان آب در خاک شناخته میشود. روش مستقیم اندازهگیری منحنی مشخصه آب خاک مستلزم صرف زمان و هزینه بالایی است. به همین دلیل روشهای غیرمستقیم متنوعی از جمله مدلهای هوشمند توسعه پیدا نمودهاند. در این تحقیق عملکرد سه روش شبکههای عصبی پرسپترون چندلایه (MLP)، شبکههای عصبی آبشاری (Cascade-NN) و برنامهریزی بیان ژن (GEP) در برآورد منحنی مشخصه آب خاک مورد ارزیابی و مقایسه قرار گرفت. در این پژوهش اطلاعات اندازهگیری شده مربوط به تعداد ۱۰۸ نمونه خاک مناطق جنگلی شامل درصد توزیع اندازه ذرات خاک، مقادیر رطوبت در هفت مکش مختلف و جرم مخصوص ظاهری مورد استفاده قرار گرفت. سه سناریو شامل ترکیبهای مختلف از دادههای ورودی تعیین و مدلهای مذکور برای هر کدام اجرا شد. مقایسه مقادیر پیشبینی شده و مشاهداتی رطوبت خاک نشان دهنده عملکرد قابل قبول هر سه مدل بود؛ برای مرحله آزمون مقادیر R۲ برای بهترین ساختار در سه روش شبکههای عصبی MLP، Cascade-NN و GEP به ترتیب ۹۵/۰، ۹۶/۰ و ۹۳/۰ و مقادیر RMSE نیز به ترتیب ۷۴/۳، ۲۵/۳ و ۱۰/۴ درصد بود. مقایسه نتایج سناریوهای مختلف داده ورودی نیز نشان داد، دقت و اختلاف بین نتایج مدلها در سناریوی اول کم بود ولی در سناریوی دوم و سوم به ترتیب با اضافه شدن پارامترهای تخلخل و رطوبت نقطه ظرفیت زراعی به دادههای ورودی، دقت و از سوی دیگر اختلاف بین نتایج مدلها بیشتر شد. در نهایت شبکههای عصبی آبشاری با استفاده از تمام دادههای فیزیکی اشاره شده به عنوان گزینه مطلوب شناخته شد.
Keywords:
Authors
محمد مهدی جعفری
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
حسن اوجاقلو
استادیار-گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
مسعود کرباسی
دانشیار -گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :