مقاله مقایسه روش های K- نزدیک ترین همسایگی و شبکه عصبی مصنوعی در برآورد ظرفیت تبادل کاتیونی خاک که چکیده‌ی آن در زیر آورده شده است، در ۱۳۹۲ در مجله الکترونیک مدیریت خاک و تولید پایدار از صفحه ۷۷ تا ۹۴ منتشر شده است.
نام: مقایسه روش های K- نزدیک ترین همسایگی و شبکه عصبی مصنوعی در برآورد ظرفیت تبادل کاتیونی خاک
این مقاله دارای ۱۸ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله مدل غیرپارامتریک
مقاله ظرفیت تبادل کاتیونی
مقاله K- نزدیک ترین همسایگی
مقاله مدل شبکه عصبی مصنوعی

نویسنده(ها):
جناب آقای / سرکار خانم: ذوالفقاری علی اصغر
جناب آقای / سرکار خانم: تیرگرسلطانی محمدتقی
جناب آقای / سرکار خانم: افشاری بدرلو تورج
جناب آقای / سرکار خانم: سرمدیان فریدون

چکیده و خلاصه‌ای از مقاله:
اندازه گیری ظرفیت تبادل کاتیونی خاک در سطوح وسیع، معمولا بسیار پرهزینه و وقت گیر است. تخمین این کمیت به وسیله ویژگی های زودیافت خاک، از طریق توسعه توابع غیرپارامتریک می تواند رویکرد مناسبی باشد. در این پژوهش روش غیرپارامتریکی با عنوان K- نزدیک ترین همسایگی در تخمین CEC خاک استفاده شد و نتایج آن با یکی از پرکاربردترین روش های مرسوم مبتنی بر مدل های شبکه عصبی مصنوعی (ANN) مورد مقایسه قرار گرفت. ۶۸۳ نمونه خاک از مناطق مرکزی ایران انتخاب شدند که ۱۲۰ عدد از آنها به عنوان داده های مورد آزمون (هدف) و ۵۶۳ عدد به عنوان بانک داده مرجع (آموزش) قرار گرفتند. مقادیر پارامترهای رس، سیلت، شن و کربن آلی خاک به عنوان متغیر مستقل ورودی (زودیافت) و CEC به عنوان متغیر وابسته خروجی بودند. نتایج نشان داد که بیشترین خطای برآورد (MaxE) در روش K-NN برابر۴٫۸۱ cmol+/kg  و این مقدار در روش ANN برابر ۵٫۲۶ cmol+/kg بود. ریشه میانگین مربعات خطا در روش K-NN، ۱٫۵۱ و در روش ANN، 1.53 بود، که نشان می دهد هر دو روش قادرند با دقت بالا و یکسانی CEC خاک های هدف را پیش بینی نمایند. مقادیر مثبت آماره میانگین خطا (ME) برای این دو روش نیز نشان داد که هر دوی آن ها متمایل به برآورد کم تر مقدار CEC می باشند. همچنین نتایج بررسی کارایی مدل ها نشان داد که هر دو روش از کارایی بالایی (EF=0.88) در برآورد ظرفیت تبادل کاتیونی خاک برخوردار هستند.