سال انتشار: ۱۳۹۰

محل انتشار: اولین همایش ملی راهبردهای دستیابی به کشاورزی پایدار

تعداد صفحات: ۶

نویسنده(ها):

روح اله رضایی ارشد – داتشجوی کارشناسی ارشد، دانشگاه شهید چمران اهواز
غلامعباس صیاد – استادیار گروه خاکشناسی دانشکده کشاورزی، دانشگاه شهید چمران اهواز

چکیده:

اندازه گیری مستقیم خصوصیات هیدرولیکی خاک مانند هدایت هیدرولیکی اشباع خاک به دلیل نیاز به صرف هزینه و زمان زیاد اغلب با مشکل مواجه است، بنابراین استفاده از روشهایی که بتواند این خصوصیات را با استفاده از پارامترهای زودیافت خاک نظیر بافت، جرم مخصوص ظاهری، تخلخل کل و … با دقت مناسب تخمین بزنند لازم به نظر می رسد. شبکههای عصبی مصنوعی، از جمله روشهای نوین است که برای تخمین و پیش بینی پارامترها با استفاده از ارتباط ذاتی بین دادهها توسعه یافته است. در این تحقیق برای بسط توابع انتقالی از شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتمهای آموزشی مارکوات- لورنبرگ و بیسین و رگرسیون چند متغیره خطی استفاده شده است. پارامترهای ورودی شبکه شامل درصد توزیع اندازه ذرات خاک، جرم مخصوص ظاهری، تخلخل کل و درصد رطوبت خاک در نقطه ظرفیت مزرعه و پژمردگی دائم و خروجی شبکه هدایت هیدرولیکی اشباع می باشد. نتایح نشان داد که شبکه های عصبی با دقت بیشتری نسبت به روش رگرسیون چند متغیره خطی خروجی های شبکه را تخمین می زنند. همچنین شبکه های عصبی که با الگوریتم آموزشی مارکوات- لورنبرگ آموزش دیدهاند نتایج بهتری را نسبت به الگوریتم آموزشی بیسین داشتهاند