سال انتشار: ۱۳۹۰

محل انتشار: اولین کنگره ملی علوم و فناوریهای نوین کشاورزی

تعداد صفحات: ۴

نویسنده(ها):

وحیدرضا جلالی – استادیار خاک شناسی دانشگاه شهید باهنر کرمان
مهدی همایی – استاد دانشگاه تربیت مدرس

چکیده:

در مدلهایی که به پیش بینی فرآیندهای حاکم در محیط خاک می پردازند، دانستن جرم ویژه ظاهری خاک به عنوان یک پارامتر ورودی، لازم است. در این پژوهش توانایی نوعی از الگوریتمهای غیرپارامتریک از نوع یادگیرنده های تنبل موسوم به k- نزدیکترین همسایه در مقایسه با رویکرد پارامتریک توابع انتقالی (PTFs)، برای تخمین جرم ویژه ظاهری خاک با استفاده از دیگر ویژگی های کمکی آن در استان خراسان شمالی و در سال ۱۳۸۹ انجام شد. استفاده از پارامترهای آماری مختلف نشان داد که در اکثر موارد تکنیک غیرپارامتریک KNN بصورت قابل قبولی نسبت به رویکرد پارامتریک توابع انتقالی (PTFs) توانمند می باشد. بر این اساس، می توان نتیجه گیری کرد که استفاده از تکنیک KNNبه عنوان روشی جایگزین برای اشتقاق توابع انتقالی خاک، بویژه زمانی که فراهمی داده های جدید؛ نیاز به اشتقاق مجدد این توابع را الزام آور میکند، می تواند بکار رود