مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان

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

 مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان  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 مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه روش های هوش مصنوعی و رگرسیون چند متغیره برای واسنجی دستگاه القاگر الکترومغناطیس در منطقه اردکان :

نام کنفرانس، همایش یا نشریه : تحقیقات آب و خاک ایران (علوم کشاورزی ایران)

تعداد صفحات :۱۴

به منظور واسنجی داده های دستگاه القاگر الکترومغناطیس از روش های مختلفی استفاده می شود. سوال پیش رو این است که کدام یک از تکنیک ها قابلیت بیشتری برای برآورد غیرمستقیم داده های شوری خاک دارند. برای پاسخ به این پرسش، در پژوهش حاضر، از ۶۰۰ نمونه خاک جمع آوری شده از منطقه اردکان برای واسنجی داده های هدایت الکتریکی ظاهری خاک با استفاده از روش های رگرسیونی و هوش مصنوعی بهره گرفته شد. در این راستا، داده ها به دو سری شامل سری آموزشی (۸۰ درصد داده ها) و سری ارزیابی (۲۰ درصد داده ها) تقسیم شد. به منظور مدل سازی و برآورد شوری، از مدل های نروفازی، شبکه عصبی مصنوعی، الگوریتم ژنتیک و رگرسیون چند متغیره استفاده شد. نتایج ارزیابی مدل ها بر اساس شاخص های ریشه مربعات خطا، میانگین خطا و ضریب تبیین نشان داد مدل نروفازی بالاترین دقت در برآورد شوری خاک در چهار عمق را دارد. به طوری که این مدل به میزان ۹، ۹، ۵ و ۲ درصد دقت برآورد شوری را به ترتیب در اعماق ۱۵، ۳۰، ۶۰ و ۱۰۰ سانتی متری نسبت به روش رگرسیون خطی چندگانه افزایش داده است. با توجه به عدم قطعیت در پدیده های مرتبط با خاک یا تقریبی بودن مقادیر اندازه گیری شده خصوصیات مختلف خاک، به نظر می رسد کارایی بالاتر مدل مبتنی بر مجموعه های فازی در پردازش توابع انتقالی خاک به همین علت باشد. بعد از این مدل، الگوریتم ژنتیک و شبکه های عصبی مصنوعی نسبت به معادلات رگرسیونی کارایی بهتر داشته است. در مجموع، نتایج نشان داد روش های هوش مصنوعی کارایی بالاتری نسبت به روش های رگرسیونی برای واسنجی دستگاه القاگر الکترومغناطیس دارد.

کلید واژه: شوری خاک، مدل سازی، هدایت الکتریکی ظاهری