مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک

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

 مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک  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 مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک :

نام کنفرانس، همایش یا نشریه : تحقیقات منابع طبیعی تجدید شونده

تعداد صفحات :۱۳

مدیریت دقیق زیست بوم های خاکی برای اهداف مختلف مستلزم شناخت دقیق و کمی خصوصیات و فرآیند های آنها به خصوص در بخش خاک است. هدف تحقیق حاضر با توجه به تاثیر خصوصیات خاک بر پوشش گیاهی پیش بینی درصد پوشش گونه درمنه کوهی از طریق برخی خصوصیات خاک است. نمونه برداری به روش تصادفی سیستماتیک و با استقرار ۵ ترانسکت ۱۰۰ متری و ۱۰ پلات ۴ مترمربعی به فاصله ۱۰ متر از هم روی هر ترانسکت انجام شد. درصد تاج پوشش درمنه کوهی در هر پلات اندازه گیری شده و نمونه خاک از عمق ۰-۱۵ سانی متری گرفته شد. در مجموع ۵۰ نمونه خاک جمع آوری شده و مورد آزمایش قرار گرفت. کربن آلی، آهک، نیتروژن کل، اسیدیته همراه با درصد رطوبت، درصد رس، درصد سیلت و درصد شن خاک اندازه گیری شدند. تمام داده ها به دو سری شامل سری آزمایش متشکل از ۷۰ درصد داده ها برای انجام تجزیه و تحلیل و سری ارزیابی متشکل از۳۰ درصد داده ها برای ارزیابی مدل های ساخته شده تقسیم گردید. نتایج نشان داد که رطوبت خاک، درصد سیلت و درصد شن خاک به عنوان مهم ترین خصوصیات خاک پیش بینی کننده در درصد تاج پوشش درمنه کوهی در منطقه مورد مطالعه می باشند. هم چنین نتایج ارزیابی مدل ها نشان داد که مدل شبکه عصبی مصنوعی RMSE و ME به ترتیب برابر ۰.۰۶ و ۰.۲۵ در مقایسه با مدل رگرسیون خطی چند متغیره با RMSE و ME به ترتیب برابر ۰.۱۲ و ۰.۴۳ بهتر عمل کرده است. با توجه به RMSE و ME پایین تر مدل شبکه عصبی مصنوعی نسبت به مدل رگرسیون از عملکرد بهتری برخوردار بوده که دلیل این امر در نظر گرفتن روابط غیرخطی بین پدیده ها در روش شبکه عصبی مصنوعی می باشد.

کلید واژه: رگرسیون چند متغیره، شبکه عصبی مصنوعی، Artemisia aucheri، مراتع واوسر