اشتقاق توابع انتقالی برای برآورد پایداری خاکدانه های تر با استفاده از ابعاد فرکتالی ذرات و خاکدانه ها
محل انتشار: فصلنامه دانش آب و خاک، دوره: 27، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 167
فایل این مقاله در 13 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_WASO-27-1_009
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
هدف از این پژوهش بررسی تاثیر ابعاد فرکتالی ذرات و خاکدانهها به عنوان متغیرهای اضافی بر بهبود دقت برآورد میانگین وزنی قطر خاکدانه های تر MWDwet)) با بهکارگیری توابع انتقالی رگرسیونی و شبکه عصبی مصنوعی بود. بهاین منظور، تعداد ۹۰ نمونه خاک از اراضی زراعی، مرتعی و جنگلی استان اردبیل برداشته شد. توزیع اندازه ذرات اولیه خاک ( mm۲-۰) و خاکدانهها ( mm۷۵/۴-۰) تعیین و بهترتیب مدل فرکتالی ینگ و همکاران و ریئو و اسپوزیتو به این توزیعها برازش داده شد و ابعاد فرکتالی ذرات و خاکدانهها بهدست آمد. پارامتر MWDwet نیز بهروش الک تر اندازهگیری شد. نتایج نشان داد که بین MWDwet تر و ابعاد فرکتالی ذرات و خاکدانهها بهترتیب همبستگی مثبت و منفی معنیدار وجود دارد. استفاده از بعد فرکتالی خاکدانهها بهعنوان یک متغیر ورودی باعث افزایش ضریب تبیین (R۲) از ۷۱/۰ به ۸۰/۰ در تابع رگرسیونی و از ۷۸/۰ به ۹۵/۰ در تابع شبکه عصبی در مرحله آموزش گردید. افزودن بعد فرکتالی خاکدانه ها بهعنوان تخمینگر سبب افزایش اعتبار توابع ایجاد شده نگردید. همچنین توابع ایجاد شده با شبکه عصبی دارای دقت بیشتری نسبت به توابع رگرسیونی بودند به طوریکه میزان R۲ در دادههای سری آموزش برای تابع شبکه عصبی ۹۵/۰ و تابع رگرسیونی ۸۰/۰ بهدست آمد.
کلیدواژه ها:
نویسندگان
شکراله اصغری
۱ - دانشیار گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
مجتبی علی محمدی
- دانشجوی سابق کارشناسی ارشد گروه علوم و مهندسی خاک، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی
عباس احمدی
۳- استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز
ناصر دواتگر
استادیار پژوهش موسسه تحقیقات برنج کشور، رشت
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :