مقاله برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی

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

  مقاله برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی  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 برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی :

مقاله برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی که چکیده‌ی آن در زیر آورده شده است، در مهر و آبان ۱۳۸۹ در آب و خاک (علوم و صنایع کشاورزی) از صفحه ۸۰۴ تا ۸۱۴ منتشر شده است.
نام: برآورد رطوبت در نقطه پژمردگی دایم و ظرفیت زراعی خاک های شمال و شمال شرق ایران با استفاده از روش های نزدیک ترین K همسایه و شبکه های عصبی مصنوعی
این مقاله دارای ۱۱ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله نزدیک ترین K همسایه
مقاله شبکه های عصبی مصنوعی
مقاله توابع انتقالی
مقاله ظرفیت زراعی
مقاله پژمردگی دایم

چکیده و خلاصه‌ای از مقاله:
ظرفیت زراعی و پژمردگی دائم مهمترین نقاط پتانسیلی در مدل سازی و مدیریت آب مورد نیاز محصولات کشاورزی می باشند. روش های مستقیم تعیین میزان رطوبت هزینه بر و گران می باشد. بنابراین استفاده از توابع انتقالی برای تبدیل خصوصیات زودیافت خاک به خصوصیات هیدرولیکی یک راهکار مناسب برای حل این مشکل است. در این پژوهش کارایی مدل های شبکه عصبی مصنوعی (NNs) آموزش داده شده با نمونه های خاک منتج از جریان خروجی چند مرحله ای (NeuroMultistep outflow) و مدل های نزدیک ترین K همسایه (KNN) در اشتقاق توابع انتقالی به منظور تعیین میزان رطوبت در ظرفیت زراعی و پژمردگی دایم برای ۱۲۲ نمونه خاک از شمال و شمال شرق ایران مورد بررسی قرار گرفت. همچنین تاثیر عوامل ورودی مختلف و نوع داده به کار رفته برای اشتقاق هر دو روش معین شد. نتایج حاصله نشان دادند که در کل روش (RMSE=0.027) KNNنسبت به (RMSE=0.037) NNs نتایج بهتری داشت. همچنین می توان گفت که حساسیت مدل های شبکه عصبی به کیفیت و نوع داده های به کار رفته برای آموزش بسیار بالاست و همگن نبودن داده ها باعث کاهش کارایی مدل های شبکه عصبی و افزایش ۱۰۰ درصدی خطا می شود. همچنین نتایج نشان دادند که در نظر گرفتن خصوصیات هیدرولیکی به عنوان متغیرهای ورودی در شبکه عصبی باعث ارتقا نتایج مدل سازی می شود.