دانش رسان |
مرکز علم و دانش کشور مقاله ارزیابی کاربرد مدلهای شبکه عصبی و رگرسیونی به منظور پیش بینی تنوع گونهای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله ارزیابی کاربرد مدلهای شبکه عصبی و رگرسیونی به منظور پیش بینی تنوع گونهای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه) دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله ارزیابی کاربرد مدلهای شبکه عصبی و رگرسیونی به منظور پیش بینی تنوع گونهای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارزیابی کاربرد مدلهای شبکه عصبی و رگرسیونی به منظور پیش بینی تنوع گونهای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله ارزیابی کاربرد مدلهای شبکه عصبی و رگرسیونی به منظور پیش بینی تنوع گونهای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه) :
تعداد صفحات :۲۴
اندازه گیری مستقیم تنوع گونهای امری وقتگیر و هزینهبر بوده و تا حدی به دلیل خطاهای حاصل از نمونهگیری غیرقابل اعتماد است. این مطالعه با هدف تعیین فاکتورهای کمهزینه در پیشبینی تنوع گونهای بوسیله شبکه مدلهای عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی انجام شد. نمونهبرداری با استفاده از روش سیستماتیک-تصادفی از ۶۰ قطعه نمونه در طول ۶ ترانسکت ۱۰۰ متری و از عمق ۳۰-۰ سانتیمتری خاک صورت گرفت.اطلاعات پوشش گیاهی به منظور اندازهگیری تنوع گونهای بوسیله شاخص تنوع شانون-وینر ثبت گردید. همچنین بهمنظور تعیین عوامل تاثیرگذار بر تنوع گونهای، فاکتورهای هدایت الکتریکی، اسیدیته، وزن مخصوص ظاهری، درصدهای ماده آلی، رس، سیلت، رطوبت اشباع، خاکدانههای درشت و ریز و شیب و ارتفاع تعیین و اندازهگیری شد.سپس با استفاده از مدلهای شبکه عصبی نوع پرسپترون چند لایه، شبکه عصبی تطبیقی-فازی و رگرسیونی تخمین تنوع گونهای تعیین شد.نتایج نشان داد که معیارهای مجذور میانگین مربعات خطا و ضریب کارایی در مدل رگرسیونی به ترتیب ۱۴/۰ و ۳۹/۰ و در مدل شبکه عصبی مصنوعی ۰۷/۰ و ۸۶/۰ و در مدل شبکه عصبی تطبیقی-فازی ۰۹/۰ و ۷۰/۰ میباشند. همچنین میانگین تنوع شانون وینر برای منطقه برابر ۱.۹۸ بود.در واقع مدل شبکه عصبی مصنوعی به عنوان ابزار قدرتمندتری در پیشبینی تنوع گونهای نسبت به آنالیز رگرسیون خطی چندمتغیّره و شبکه عصبی تطبیقی-فازی عمل میکند.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
