ای آر پایانامه

 

مقاله مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری word دارای 10 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 word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

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 word ،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 word :

مقاله مقایسه مدل های شبکه عصبی مصنوعی و توابع انتقالی رگرسیونی برای پیش بینی ظرفیت تبادل کاتیونی خاک های استان چهارمحال و بختیاری word که چکیده‌ی آن در زیر آورده شده است، در زمستان 1388 در آب و خاک (علوم و صنایع کشاورزی) از صفحه 90 تا 99 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 10 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

نویسنده(ها):
جناب آقای / سرکار خانم: معماریان فرد مجتبی
جناب آقای / سرکار خانم: بیگی هرچگانی حبیب اله

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 200 نمونه خاک به دو دسته 165 تایی برای توسعه مدل و 35 تایی برای ارزیابی مدل تقسیم شدند. دقت پیش بینی بوسیله آماره های ضریب تعیین (R²) 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 R²=0.81 و RMSE=3.05 سانتی مول بر کیلوگرم خاک بهتر از دیگر مدل ها پیش بینی شد. مقادیر R²و RMSE به ترتیب از 66/0 تا 69/0 و از 69/4 تا 26/4 برای روش رگرسیونی، و از 78/0 تا 81/0 و 29/3 تا 05/3 برای شبکه عصبی متغیر بود. نتایج نشان داد که پیش بینی شبکه عصبی بهتر از تابع های رگرسیونی می باشد.

 

کلمات کلیدی :