مقاله مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری

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

  مقاله مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری  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 مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری :

مقاله مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری که چکیده‌ی آن در زیر آورده شده است، در زمستان ۱۳۸۸ در آب و خاک (علوم و صنایع کشاورزی) از صفحه ۹۰ تا ۹۹ منتشر شده است.
نام: مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری
این مقاله دارای ۱۰ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله شبکه های عصبی مصنوعی
مقاله ظرفیت تبادل کاتیونی
مقاله چهارمحال و بختیاری

چکیده و خلاصه‌ای از مقاله:
ظرفیت تبادل کاتیونی (CEC) یکی از مهمترین ویژگی های خاک در ارتباط با موادغذایی، نگهداری آب در خاک و همچنین مدیریت آلودگی خاک می باشد. اندازه گیری CECکاری دشوار و وقت گیر است. بنابراین تخمین آن از طریق خصوصیات زود یافت خاک مطلوب می باشد. در این مطالعه، توابع انتقالی برای پیش بینی ظرفیت تبادل کاتیونی از خصوصیات اساسی خاک مانند توزیع اندازه ذرات، کربن آلی، درصد رطوبت اشباع و pH توسعه داده شد و با استفاده از روش های شبکه عصبی مصنوعی و رگرسیونی چندمتغیره خطی ارزیابی شد و سپس توانایی پیش بینی این دو روش با استفاده از آماره های ارزیابی مقایسه شد. کل ۲۰۰ نمونه خاک به دو دسته ۱۶۵ تایی برای توسعه مدل و ۳۵ تایی برای ارزیابی مدل تقسیم شدند. دقت پیش بینی بوسیله آماره های ضریب تعیین (R^۲) و ریشه دوم میانگین مربعات خطا (RMSE) بین CEC اندازه گیری و پیش بینی شده ارزیابی شد. نتایج نشان داد هنگامی که از شبکه عصبی با یک لایه پنهان و هفت نرون در این لایه و ماده آلی، درصد رطوبت اشباع، درصد رس و شن به عنوان ورودی استفاده شد، CEC با R^۲=۰.۸۱ و RMSE=3.05 سانتی مول بر کیلوگرم خاک بهتر از دیگر مدل ها پیش بینی شد. مقادیر R^۲و RMSE به ترتیب از ۶۶/۰ تا ۶۹/۰ و از ۶۹/۴ تا ۲۶/۴ برای روش رگرسیونی، و از ۷۸/۰ تا ۸۱/۰ و ۲۹/۳ تا ۰۵/۳ برای شبکه عصبی متغیر بود. نتایج نشان داد که پیش بینی شبکه عصبی بهتر از تابع های رگرسیونی می باشد.