مقاله مقایسه دقت شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی در برآورد تولیدرواناب و رسوب از خاکهای مارنی پوشیده شده با منسوجات حفاظتی کنترل فرسایش

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مقایسه دقت شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی در برآورد تولیدرواناب و رسوب از خاکهای مارنی پوشیده شده با منسوجات حفاظتی کنترل فرسایش دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه دقت شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی در برآورد تولیدرواناب و رسوب از خاکهای مارنی پوشیده شده با منسوجات حفاظتی کنترل فرسایش  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 مقایسه دقت شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی در برآورد تولیدرواناب و رسوب از خاکهای مارنی پوشیده شده با منسوجات حفاظتی کنترل فرسایش،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه دقت شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی در برآورد تولیدرواناب و رسوب از خاکهای مارنی پوشیده شده با منسوجات حفاظتی کنترل فرسایش :

تعداد صفحات:۹

چکیده:

در این تحقیق جهت پیشبینی شدت رواناب و مقدار رسوب تولیدی از خاک های لخت وپوشیده شده با انواع منسوجات حفاظتی کنترل فرسایش که از نظر اندازه مشها (قطر روزنه ها ) متفاوت بودند، از مدلهای شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی استفاده شد . آزمایشها بر روی خاکهای نمونهبرداری شده از تپههای مارنی بخش سرچم استان زنجان و با استفاده از تشتکی شیب پذیر و با استفاده از یک شبیه ساز باران انجام گرفت . تمام تیمارها در سه شدت بارندگی و نیز در چهار شیب نسبتاً تند مورد بررسی قرار گرفتند. کل داده ها به دو سری داده، شامل سری آموزش و سری آزمون تقسیم گردیدند و سپس نرمال سازی شدند . مقایسه مقادیر مجذور میانگین مربعات خطا مربوط به مدلهای شبکه عصبی و رگرسیون چند متغیره و دیاگرامهای پراکنش دادههای تست نشان داد ک ه مدل شبکه عصبی مصنوعی در مقایسه با روش رگرسیون خطی چند متغیره دارای بالاترین دقت در پیش بینی پارامترهای مؤثر در فرسایش خاک میباشد که احتمالا به علت وجود روابط غیر خطی میان متغیرهای وابسته و پیشبینی شونده است.