دوره 12، شماره 3 - ( نشریه روابط خاک و گیاه 1400 )
جلد 12 شماره 3 صفحات 114-101 |
برگشت به فهرست نسخه ها
گروه علوم خاک، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران
چکیده: (1526 مشاهده)
برآورد سریع و صحیح آب فراهم خاک به‌عنوان یکی از مهم‌ترین شاخص‌های کیفیت خاک نقش اساسی در مدیریت منابع آب کشاورزی دارد. در پژوهش حاضر با استفاده از روش هوش مصنوعی (ترکیب شبکه عصبی و الگوریتم ژنتیک) و بهره‌گیری از ویژگی‌های زودیافت خاک، مقدار دامنه رطوبتی با حداقل محدودیت (LLWR) در 250 نمونه خاک برداشت شده از دشت خان‌میرزا در استان چهارمحال و بختیاری برآورد شد. در این مدل‌ها، 9 متغیر شامل درصد شن، سیلت، رس، درصد کربن آلی، چگالی ظاهری (BD)، چگالی حقیقی (PD)، pH، رسانایی الکتریکی (EC) و کربنات کلسیم معادل (CCE)، به‌عنوان پارامترهای ورودی و مقدار LLWR به‌عنوان تابع خروجی در نظر گرفته شده است. از تعداد کل 250 داده، 200 عدد برای آموزش و 50 داده برای آزمون مدل استفاده شد. بررسی نتایج شاخص‌های آماری نشان داد که شبکه عصبی به‌خوبی قادر به برآورد LLWR با ضریب تبیین 0/93 است. در نهایت مشخص شد که مدل تلفیقی شبکه عصبی مصنوعی-الگوریتم ژنتیک با بیش‌ترین ضریب تبیین (0/96 = R2) برای برآورد LLWR مناسب‌ترین مدل است. به‌طور کلی دو مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک نسبت به معادلات رگرسیونی کارایی مناسب‌تری برای برآورد LLWR را نشان دادند.
واژه‌های کلیدی: شبکه عصبی مصنوعی، دامنه رطوبتی با حداقل محدودیت (LLWR)، ویژگی‌های زودیافت خاک، دشت خان‌میرزا
نوع مطالعه: پژوهشي |
موضوع مقاله:
مدل‌سازی روابط آب-خاک-گیاه و جذب آب توسط ريشه
دریافت: 1400/5/3 | پذیرش: 1400/9/2 | انتشار: 1400/9/30
دریافت: 1400/5/3 | پذیرش: 1400/9/2 | انتشار: 1400/9/30
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
Journal of Soil and Plant Interactions by http://jspi.iut.ac.ir is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
استفاده از مطالب ارایه شده در این پایگاه با ذکر منبع آزاد می باشد.
