برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
محل انتشار: نشریه پژوهش های خاک، دوره: 28، شماره: 3
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 190
فایل این مقاله در 14 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_AREO-28-3_007
تاریخ نمایه سازی: 26 اردیبهشت 1400
چکیده مقاله:
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره ۹ ساله (۲۰۰۸-۲۰۰۰) به برآورد دمای خاک در سه عمق پنج، ۱۰ و ۳۰ سانتیمتری با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه پرداخته شد. به علت تعداد زیاد متغیرهای مورد استفاده برای برآورد دمای خاک، شناخت متغیرهای موثر بر شبکه میتواند باعث بهبود نتایج شود. بدین منظور، با استفاده از تکنیک آماری چند متغیره آنالیز مولفههای اصلی (PCA) که باعث کاهش تعداد متغیرها و ورود متغیرهای موثر به شبکه میشود، اقدام به برآورد دمای خاک شد (PCA-ANN). ابتدا، از روش PCA برای کاهش متغیرهای ورودی استفاده شد و هشت متغیر هواشناسی به هشت مولفه اصلی تبدیل شد. چهار مولفه اصلی اول بیش از ۹۹ درصد واریانس کل را به خود اختصاص داد. برای ارزیابی دو مدل ANN و PCA-ANN از شاخصهای آماری ضریب همبستگی (r)، میانگین جذر مربعات خطا (RMSE) و میانگین خطای اریبی (MBE) استفاده شد. نتایج به دست آمده حاکی از نقش موثر پیشپردازش روی متغیرها با استفاده از PCA بود. دستآوردها نشان داد که شاخصهای آماری r، RMSE، MBE (در دوره صحت سنجی) به ترتیب برابر ۹۸/۰، ۶۱/۱ و ۲/۰ برای مدل PCA-ANN بر روی پارامتر دمای خاک در عمق پنج سانتیمتری نتیجه بهتری را به دنبال داشت. روی هم رفته، سنجش دست آوردهای مدل PCA-ANN با دستاوردهای مدل ANN و دادههای مشاهده شده نشانگر برتری مدل PCA-ANN نسبت به مدل ANN است. لذا، مدل PCA-ANN با ساختاری سادهتر، سرعت آموزش شبکه بیشتر و نتایجی دقیقتر میتواند جایگزین مدل ANN برای برآورد پارامتر دمای خاک باشد.
نویسندگان
کیمیا امیر مرادی
دانشجوی سابق کارشناسی ارشد دانشگاه بوعلی سینا همدان
امید بهمنی
استادیار دانشگاه بوعلی سینا