• عنوان

    تعيين ويژگي هاي موثر بر شاخص هاي كيفيت خاك با استفاده از الگوريتم تركيبي كلوني مورچگان پيشرفته شبكه ي عصبي مصنوعي

  • نويسنده اصلي

    رمضاني نژاد،فاطمه

  • محل تحصيل
    دانشگاه ولي عصر(عج)
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    مقدار ضريب تبيين مدل شبكه‌ي عصبي پرسپترون چند لايه و ماشين بردار كيفيت خاك مفهومي است كه توانايي دائم خاك را به‌عنوان يك سامانه حياتي زنده در داخل اكوسيستم و تحت كاربري‌هاي مختلف به ترتيبي كه بتواند علاوه بر حفظ توان توليد بيولوژي، كيفيت آب، هوا و سلامت انسان را بهبود بخشد نشان مي‌دهد. در اين پژوهش ما از يك الگوريتم تركيبي، تركيبي از يك الگوريتم مورچه پيشرفته با شبكه‌هاي عصبي مصنوعي، براي انتخاب بهترين زير مجموعه‌هاي مؤثر بر شاخص‌هاي كيفيت خاك استفاده كرديم. توانايي استفاده از الگوريتم مورچه پيشرفته – شبكه‌ي عصبي مصنوعي براي شناسايي پارامترهاي تعيين كننده مؤثر بر كيفيت خاك در كاربري‌هاي مختلف اراضي در منطقه رابر استان كرمان مورد بررسي قرار گرفت. نتايج الگوريتم مورچه پيشرفته – شبكه‌ي عصبي مصنوعي براي ظرفيت هوايي و ظرفيت نسبي زراعي، براي انتخاب بهترين زير مجموعه نشان داد كه يك زير مجموعه با 5 ويژگي از جمله سيلت، رس، چگالي ظاهري، چگالي حقيقي و تخلخل كم‌ترين خطا را داشتند. نتايج الگوريتم مورچه پيشرفته – شبكه‌ي عصبي مصنوعي براي ظرفيت تبادل كاتيوني، براي انتخاب بهترين زير مجموعه نشان داد كه يك زير مجموعه با 5 ويژگي از جمله واكنش خاك، رس، سيلت، چگالي ظاهري و ماده آلي كم‌ترين خطا را داشتند. پس از آن، مدل‌سازي كيفيت خاك با توجه به متغيرهاي انتخاب شده انجام شد. مدل‌سازي كيفيت خاك به‌وسيله‌ي مدل‌هاي شبكه‌ي عصبي پرسپترون چند لايه و ماشين بردار پشتيبان و رگرسيون چند متغيره‌ي خطي انجام شد. يك مدل رگرسيون خطي چندگانه تجربي به‌عنوان معياري براي مقايسه عملكرد ساخته شد. نتايج اعتبار سنجي مدل‌ها نشان داد كه پشتيبان نسبت به رگرسيون چند متغيره‌ي خطي از دقت بالاتري برخوردار بودند. مقدار ضريب تبيين بدست آمده براي مدل شبكه‌ي عصبي پرسپترون چند لايه براي ظرفيت هوايي، ظرفيت نسبي زراعي و ظرفيت تبادل كاتيوني به‌ترتيب 91/0، 83/ 0و 92/0 پيش‌بيني شدند. در حالي كه آن‌ها براي مدل ماشين بردار پشتيبان 75/0، 53/0 و 81/0 و براي مدل رگرسيون خطي چندگانه 74/0، 46/0و 74/0 بودند. نتايج آناليز حساسيت در مدل ماشين بردار پشتيبان نشان داد كه ميزان حساسيت ظرفيت هوايي، ظرفيت نسبي زراعي و ظرفيت تبادل كاتيوني به‌ترتيب به چگالي حقيقي، رس و ماده آلي بيشتر از ساير متغيرها بود. در حالي كه نتايج آناليز حساسيت در مدل شبكه‌ي عصبي پرسپترون چند لايه نشان داد كه ميزان حساسيت ظرفيت هوايي، ظرفيت نسبي زراعي و ظرفيت تبادل كاتيوني به‌ترتيب به چگالي حقيقي، تخلخل و واكنش خاك بيشتر از ساير متغيرها بود.
  • شماره ركورد
    50464
  • دانشگاه
    دانشگاه وليعصر رفسنجان
  • رشته تحصيلي
    علوم خاك