آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 626 |
| تعداد مقالات | 6,517 |
| تعداد مشاهده مقاله | 8,746,443 |
| تعداد دریافت فایل اصل مقاله | 8,317,284 |
تخمین نفوذپذیری نهایی خاک‌ها با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: مزرعه پردیس ابوریحان) | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 16، دوره 16، شماره 1، خرداد 1388، صفحه 37-57 اصل مقاله (246.38 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| چکیده | ||
| نفوذپذیری یکی از مهم‌ترین پارامترهای فیزیکی خاک‌ها و از داده‌های بنیادی طرح‌های آبیاری و زه‌کشی است. اگرچه برای توصیف این پدیده، تاکنون روش‌ها و روابط مختلف تئوری و یا تجربی ارایه شده، ولی هنوز هم از جنبه‌های تطابق و امکان کاربرد علوم جدیدی نظیر روش شبکه‌های عصبی مصنوعی در پیش‌بینی این پدیده، جای تحقیق و بررسی وجود دارد. در تمام روش‌های موجود برای تعیین روابط نفوذ، انجام آزمایش‌های زمان‌بر و پرهزینه صحرایی الزامی است. همچنین وجود عبارت‌های غیرخطی در روابط حاکم بر پدیده نفوذپذیری، مدل‌سازی آن را امری مشکل نموده است. از طرفی امروزه توانمندی‌های روش شبکه‌های عصبی مصنوعی در مدل‌سازی مسایل غیرخطی باعث شده تا در علوم مختلف مهندسی به موازات کاربرد روش‌های متداول، از روش شبکه‌های عصبی نیز استفاده شود. درتحقیق حاضر شبکه‌های عصبی مصنوعی به‌عنوان روشی جدید به‌منظور تخمین مقادیر نفوذپذیری نهایی خاک‌ها به‌کار گرفته شده است. در این تحقیق در مدل شبکه عصبی مصنوعی تهیه شده، پارامترهای فیزیکی خاک از جمله درصد مواد آلی، وزن مخصوص حقیقی و ظاهری، تخلخل و همچنین پارامترهای شیمیایی آن نظیر اسیدیته و میزان سدیم به‌عنوان ورودی و در مقابل مقادیر نفوذپذیری نهایی خاک به‌عنوان پارامتر خروجی مدل لحاظ شده‌اند. همچنین یک مدل آماری براساس رگرسیون‌های چندمتغیره تهیه و خروجی‌های مدل شبکه عصبی و مدل آماری با مقادیر واقعی اندازه‌گیری شده و با کاربرد معیار ضرایب همبستگی مقایسه شده است. نتایج این تحقیق نشان داد که مدل‌های شبکه عصبی مصنوعی با دقت بسیار بالا و قابل‌قبولی توانایی تخمین و پیش‌بینی مقادیر نفوذپذیری نهایی خاک‌ها را براساس پارامترهای زود یافت خاک دارند. وجه تمایز این تحقیق با سایر تحقیقات مشابه در مدل‌سازی با شبکه‌های عصبی مصنوعی آن است که، در این تحقیق علاوه‌بر کاربرد شبکه‌های عصبی مصنوعی در مورد نفوذپذیری، توانمندی‌های این روش در یافتن دانش الگوریتم در داده‌های با حجم پایین نیز به اثبات رسید. | ||
|
آمار تعداد مشاهده مقاله: 1,980 تعداد دریافت فایل اصل مقاله: 753 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب