تخمین ظرفیت تبادل کاتیونی خاک با استفاده از رگرسیون و شبکه عصبی و اثر تفکیک داده ها بر دقت و صحت توابع
محل انتشار: فصلنامه علوم آب و خاک، دوره: 13، شماره: 49
سال انتشار: 1388
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 198
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-13-49_007
تاریخ نمایه سازی: 22 اردیبهشت 1400
چکیده مقاله:
منظور نمودن شاخص های حاصل خیزی خاک از جمله ظرفیت تبادل کاتیونی(CEC) می تواند در ارتقا و افزایش کیفیت نقشه های خاک مفید باشد. برای اندازه گیری CEC که زمان بر و پرهزینه است می توان 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 تا۲۰ و۳۰ تا۵۰ سانتی متری محدوده ها نمونه گیری و چند ویژگی فیزیکی- شیمیایی هر نمونه در آزمایشگاه اندازه گیری شد. سه ویژگی درصد رس، درصد ماده آلی و رطوبت در پتانسیل ۱۵۰۰- کیلو پاسکال بیشترین هم بستگی را با CEC نشان دادند. توابع انتقالی با استفاده از رگرسیون خطی و شبکه عصبی استخراج شد. در این مطالعه، برای تمام مدل های شبکه عصبی یک لایه میانی به همراه یک گره کافی به نظر رسید. در هر دو روش، مدلی که شامل پارامتر های زود یافت ماده آلی و رس بود به وسیله روش رگرسیون با ۸۱/۰=R۲ و ۲/۷= RMSE و از طریق شبکه عصبی با ضریب یادگیری ۳/۰ و تعدادتکرار(Epoch) ۴۰ و ۸۸/۰=R۲ و۳۴/۰= RMSE بهترین و دقیق ترین تخمین را در بین مدل ها 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، مدل هایی باR۲ بیشتر و RMSE کمتر تولید کرد.
کلیدواژه ها:
Cation exchange capacity (CEC) ، Pedotransfer ، Regression ، Artificial neural network ، Soil partitioning. ، ظرفیت تبادل کاتیونی ، توابع انتقالی ، رگرسیون ، شبکه عصبی ، تفکیک خاک