مقاله برآورد رطوبت در نقطه پژمردگي دايم و ظرفيت زراعي خاك هاي شمال و شمال شرق ايران با استفاده از روش هاي نزديك ترين K همسايه و شبكه هاي عصبي مصنوعي که چکیده‌ی آن در زیر آورده شده است، در مهر و آبان ۱۳۸۹ در آب و خاك (علوم و صنايع كشاورزي) از صفحه ۸۰۴ تا ۸۱۴ منتشر شده است.
نام: برآورد رطوبت در نقطه پژمردگي دايم و ظرفيت زراعي خاك هاي شمال و شمال شرق ايران با استفاده از روش هاي نزديك ترين K همسايه و شبكه هاي عصبي مصنوعي
این مقاله دارای ۱۱ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله نزديك ترين K همسايه
مقاله شبكه هاي عصبي مصنوعي
مقاله توابع انتقالي
مقاله ظرفيت زراعي
مقاله پژمردگي دايم

نویسنده(ها):
جناب آقای / سرکار خانم: حق وردي امير
جناب آقای / سرکار خانم: قهرمان بيژن
جناب آقای / سرکار خانم: خشنوديزدي علي اصغر
جناب آقای / سرکار خانم: عربي زهرا

چکیده و خلاصه‌ای از مقاله:
ظرفيت زراعي و پژمردگي دائم مهمترين نقاط پتانسيلي در مدل سازي و مديريت آب مورد نياز محصولات كشاورزي مي باشند. روش هاي مستقيم تعيين ميزان رطوبت هزينه بر و گران مي باشد. بنابراين استفاده از توابع انتقالي براي تبديل خصوصيات زوديافت خاك به خصوصيات هيدروليكي يك راهكار مناسب براي حل اين مشكل است. در اين پژوهش كارايي مدل هاي شبكه عصبي مصنوعي (NNs) آموزش داده شده با نمونه هاي خاک منتج از جريان خروجي چند مرحله اي (NeuroMultistep outflow) و مدل هاي نزديك ترين K همسايه (KNN) در اشتقاق توابع انتقالي به منظور تعيين ميزان رطوبت در ظرفيت زراعي و پژمردگي دايم براي ۱۲۲ نمونه خاك از شمال و شمال شرق ايران مورد بررسي قرار گرفت. همچنين تاثير عوامل ورودي مختلف و نوع داده به كار رفته براي اشتقاق هر دو روش معين شد. نتايج حاصله نشان دادند كه در كل روش  (RMSE=0.027) KNNنسبت به (RMSE=0.037) NNs نتايج بهتري داشت. همچنين مي توان گفت كه حساسيت مدل هاي شبكه عصبي به كيفيت و نوع داده هاي به كار رفته براي آموزش بسيار بالاست و همگن نبودن داده ها باعث كاهش كارايي مدل هاي شبكه عصبي و افزايش ۱۰۰ درصدي خطا مي شود. همچنين نتايج نشان دادند كه در نظر گرفتن خصوصيات هيدروليكي به عنوان متغيرهاي ورودي در شبكه عصبي باعث ارتقا نتايج مدل سازي مي شود.